使用基于文件迭代器的输入将 PDF 与 PyPDF2 合并

Question

我有两个具有相同文件名的 PDF 文件夹。我想遍历第一个文件夹，获取文件名的前 3 个字符，将其设为 'current' 页面名称，然后使用该值从两个文件夹中获取 2 个相应的 PDF，合并它们，并将它们写入第三个文件夹。

下面的脚本在第一次迭代时按预期工作，但之后，后续合并的 PDF 包括所有以前的 PDF（在 8 次迭代中迅速膨胀到 72 页）。

其中一些可能是由于代码不当造成的，但我无法弄清楚它在哪里，或者如何清除可能导致每次迭代仅写入 2 页失败的 inputs/outputs：

import os
from PyPDF2 import PdfFileMerger
merger = PdfFileMerger()

rootdir = 'D:/Python/Scatterplots/BoundaryEnrollmentPatternMap'

for subdir, dirs, files in os.walk(rootdir):
    for currentPDF in files:
        #print os.path.join(file[0:3])
        pagename = os.path.join(currentPDF[0:3])
        print "pagename is: " + pagename
        print "File is: " + pagename + ".pdf"
        input1temp = 'D:/Python/Scatterplots/BoundaryEnrollmentPatternMap/' + pagename + '.pdf'
        input2temp = 'D:/Python/Scatterplots/TraditionalScatter/' + pagename + '.pdf'
        input1 = open(input1temp, "rb")
        input2 = open(input2temp, "rb")
        merger.append(fileobj=input1, pages=(0,1))
        merger.append(fileobj=input2, pages=(0,1))
        outputfile = 'D:/Python/Scatterplots/CombinedMaps/Sch_' + pagename + '.pdf'

        print merger.inputs

        output = open(outputfile, "wb")
        merger.write(output)
        output.close()

        #clear all inputs - necessary?
        outputfile = []
        output = []
        merger.inputs = []
        input1temp = []
        input2temp = []
        input1 = []
        input2 = []

print "done"

我的代码/工作基于此示例：

https://github.com/mstamy2/PyPDF2/blob/master/Sample_Code/basic_merging.py

Answer 1

我认为错误是 merger 在循环之前初始化并且它累积了所有文档。尝试将行 merger = PdfFileMerger() 移动到循环体中。 merger.inputs = [] 在这种情况下似乎没有帮助。

关于您的代码有几点说明：

input1 = [] 不关闭文件。这将导致许多文件被程序打开。您应该改为调用 input1.close()。
[]表示空数组。如果变量不应包含任何有意义的值，最好使用 None。
要删除变量（例如 output），请使用 del output。
毕竟没有必要清除所有变量。它们将被垃圾收集器释放。
使用os.path.join创建input1temp和input2temp。

使用基于文件迭代器的输入将 PDF 与 PyPDF2 合并

Merging PDF's with PyPDF2 with inputs based on file iterator

python

pdf

pdf-generation

pypdf