Python pypdf将多个pdf文件合并为一个pdf

如果我有1000多个pdf文件需要合并成一个pdf

input = PdfFileReader()
output = PdfFileWriter()
filename0000 ----- filename 1000
    input = PdfFileReader(file(filename, "rb"))
    pageCount = input.getNumPages()
    for iPage in range(0, pageCount):
        output.addPage(input.getPage(iPage))
outputStream = file("document-output.pdf", "wb")
output.write(outputStream)
outputStream.close()

当

input=PdfileReader（文件（filename500+，“rb”））

时，执行上述代码

错误消息：

IOError:[Errno 24]打开的文件太多：

---

我认为这是一个bug，如果不是，我该怎么办？

可能正是它所说的，您正在打开许多文件。

---

您可以显式使用

f=file（文件名）。。。f、 在循环中关闭（）

，或使用

with

语句。以便正确关闭每个打开的文件

问题在于，在任何给定时间，您只能打开一定数量的文件。有很多方法可以改变这个（），但我认为您不需要这个

您可以尝试关闭for循环中的文件：

input = PdfFileReader()
output = PdfFileWriter()
for file in filenames:
   f = open(file, 'rb')
   input = PdfFileReader(f)
   # Some code
   f.close()

---

我最近遇到了完全相同的问题，所以我深入研究了PyPDF2，看看发生了什么，以及如何解决它

注意：我假设

filename

是格式良好的文件路径字符串。假设我的所有代码都是相同的

简短的回答

使用

PdfFileMerger（）

类代替

PdfFileWriter（）

类。我已尝试提供以下内容，以尽可能接近您的内容：

from PyPDF2 import PdfFileMerger, PdfFileReader

[...]

merger = PdfFileMerger()
for filename in filenames:
    merger.append(PdfFileReader(file(filename, 'rb')))

merger.write("document-output.pdf")

长答案

使用

PdfFileReader

和

PdfFileWriter

的方法是保持每个文件打开，并最终导致Python生成IOError 24。更具体地说，当您向

PdfFileWriter

添加页面时，您是在打开的

PdfFileReader

中添加对该页面的引用（因此，如果关闭该文件，会出现注意到的IO错误）。Python检测到仍要引用的文件，并且不执行任何垃圾收集/自动关闭文件，尽管重新使用了文件句柄。它们将保持打开状态，直到

PdfFileWriter

不再需要访问它们，即在代码中的

output.write（outputStream）

要解决此问题，请在内容的内存中创建副本，并允许关闭文件。在我的PyPDF2代码冒险中，我注意到

PdfFileMerger（）

类已经有了这个功能，所以我没有重新发明轮子，而是选择使用它。不过，我了解到，我最初对

PdfFileMerger

的观察不够仔细，它只在特定条件下创建副本

我最初的尝试如下所示，并导致了相同的IO问题：

merger = PdfFileMerger()
for filename in filenames:
    merger.append(filename)

merger.write(output_file_path)

查看PyPDF2源代码，我们看到

append（）

需要传递

fileobj

，然后使用

merge（）

函数，将其最后一页作为新文件位置传递

merge（）

使用

fileobj

执行以下操作（在使用

PdfFileReader（fileobj）打开它之前）

：

我们可以看到，

append（）

选项确实接受字符串，并且在这样做时，假定它是一个文件路径，并在该位置创建一个文件对象。最终结果与我们试图避免的完全相同。一个

PdfFileReader（）

对象将打开一个文件，直到文件最终被写入

但是，如果我们在路径字符串传递到

append（）

之前创建文件路径字符串的file对象或路径字符串的

PdfFileReader

（请参见编辑2）对象，它将自动为我们创建一个副本作为

StringIO

对象，从而允许Python关闭文件

我建议使用更简单的

merge.append（file（filename，'rb'））

，因为其他人报告说，即使在调用

writer.close（）

之后，

PdfFileReader

对象也可能在内存中保持打开状态

希望这有帮助

编辑：我假设您使用的是

PyPDF2

，而不是

PyPDF

。如果您不使用，我强烈建议您切换，因为PyPDF已不再维护，作者已正式批准分阶段开发PyPDF2

如果由于某种原因您无法切换到PyPDF2（许可、系统限制等），则

Pdfilemerger

将不可用。在这种情况下，您可以重新使用PyPDF2的

合并

功能中的代码（如上所述）将文件的副本创建为

StringIO

对象，并在代码中使用该副本代替文件对象

---

编辑2:先前建议使用的

merge.append（PdfileReader（file（filename，'rb'））

根据注释进行了更改（感谢@Agostino）。

pdfrw包一次读取所有文件，因此不会出现打开文件过多的问题。这是一个连接脚本示例

相关部分——假设

inputs

是一个输入文件名列表，

outfn

是一个输出文件名：

from pdfrw import PdfReader, PdfWriter

writer = PdfWriter()
for inpfn in inputs:
    writer.addpages(PdfReader(inpfn).pages)
writer.write(outfn)

---

免责声明：我是pdfrw的主要作者。

我编写此代码是为了帮助回答以下问题：-

import sys
import os
import PyPDF2

merger = PyPDF2.PdfFileMerger()

#get PDFs files and path

path = sys.argv[1]
pdfs = sys.argv[2:]
os.chdir(path)


#iterate among the documents
for pdf in pdfs:
    try:
        #if doc exist then merge
        if os.path.exists(pdf):
            input = PyPDF2.PdfFileReader(open(pdf,'rb'))
            merger.append((input))
        else:
            print(f"problem with file {pdf}")

    except:
            print("cant merge !! sorry")
    else:
            print(f" {pdf} Merged !!! ")

merger.write("Merged_doc.pdf")

---

在本文中，我使用了PyPDF2.PdfFileMerger和PyPDF2.PdfFileReader，而不是在使用f.close（）、exec output.write（outputStream）时将文件名显式转换为文件对象，提示IO错误。老实说，我还没有读到长答案。不过短答案很好。我注意到我无法删除附加的一些文件，使用调用

writer.append（PdfFileReader（file（filename，'rb'））

，创建一个中间

PdfFileReader

对象。即使调用

writer.close（）

。更简单的调用

merge.append（文件名为'rb'））

似乎没有同样的问题。如果文件太大，这不会导致内存问题吗？@Nishant与您在内存中创建的任何对象一样，是的。事实上，如果您将单个PDF文件的容量增加到千兆字节，可能会有更好的解决方案。@好的，谢谢，值得知道。一个小实用程序很有趣选择命名为临时文件vs内存的Action是我在这方面看到的一个很好的解决方案。

import sys
import os
import PyPDF2

merger = PyPDF2.PdfFileMerger()

#get PDFs files and path

path = sys.argv[1]
pdfs = sys.argv[2:]
os.chdir(path)


#iterate among the documents
for pdf in pdfs:
    try:
        #if doc exist then merge
        if os.path.exists(pdf):
            input = PyPDF2.PdfFileReader(open(pdf,'rb'))
            merger.append((input))
        else:
            print(f"problem with file {pdf}")

    except:
            print("cant merge !! sorry")
    else:
            print(f" {pdf} Merged !!! ")

merger.write("Merged_doc.pdf")