背景

由于工作性质，经常面对不同的问题，某些场景下SQL+Excel、常用办公软件不能处理，这时到网上找一些案例，自己动手用python处理。后续，借此博客记录比较典型的处理过程。

后续，陆续实际处理的问题，如

1. 合并PDF
2. 拆分PDF
3. 敏感字段MD5脱敏
4. 从非架构化的大文本文件中提取指定条件的记录

需求

工作和生活中有时会遇到将多个pdf文件，合并成一个大文件的情况。例如，扫描时，普通扫描仪或打印机一页生成一个PDF，而一份资料实际多页。Adobe的收费版有合并功能，我们可以自己动手解决。根据网上搜索了几个合并pdf的例子，都是2.X环境下的程序，因此将部分函数替换为3.x环境下。

合并多个PDF的python

'''# -*- coding:utf-8*-'''import sysimport importlibimportlib.reload(sys)import osimport os.pathfrom PyPDF2 import PdfFileReader, PdfFileWriter import timetime1=time.time()# 使用os模块walk函数，搜索出某目录下的全部pdf文件######################获取同一个文件夹下的所有PDF文件名#######################def getFileName(filepath): file_list = [] for root,dirs,files in os.walk(filepath): for filespath in files: # print(os.path.join(root,filespath)) file_list.append(os.path.join(root,filespath)) return file_list##########################合并同一个文件夹下所有PDF文件########################def MergePDF(filepath,outfile): output=PdfFileWriter() outputPages=0 in_file_path =filepath +r'input/' print(in_file_path) pdf_fileName=getFileName(in_file_path) i=0 for each in pdf_fileName: i=i+1 print(i,each) # 读取源pdf文件 input = PdfFileReader(open(each, "rb")) # 如果pdf文件已经加密，必须首先解密才能使用pyPdf if input.isEncrypted == True: input.decrypt("map") # 获得源pdf文件中页面总数 pageCount = input.getNumPages() outputPages += pageCount print("PageCount: ",pageCount) # 分别将page添加到输出output中 for iPage in range(0, pageCount): output.addPage(input.getPage(iPage)) print("All Pages Number:"+str(outputPages)) # 最后写pdf文件 out_file_path=filepath+r'output/' outputStream=open(out_file_path+outfile,"wb") output.write(outputStream) outputStream.close() print( "finished")if __name__ == '__main__': file_dir = r'D:/扫描文件/' # 待合并PDF 所在文件夹 out=u"某某资料合并文件.pdf" # 合并后文件名称 MergePDF(file_dir,out) time2 = time.time() print( u'总共耗时：' + str(time2 - time1) + 's')

使用注意事项

1、程序第63行，默认指定了一个目录，“D:\扫描文件“，然后在其下建“\input”和“\output”两个子文件夹。
2、将待合并的pdf文件放在“\input”中，合并后的文件默认为“某某资料合并文件.pdf”，可在程序第64行修改你期望的文件名，合并后文件输出到“\output”。
3、合并多个文件时，合并顺序为文件名升序。

补充说明，如何使用python，建议学一本免费的电子书《编程小白的第一本Python入门书》，网上可搜。

最后，如果哪位朋友有兴趣，可以将程序第63和64行，加一个图形界面，用户在window下选择input 和output，选择输出文件名，然后做一个可执行文件。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。