有没有更快的方法来合并两个文件而不是逐页合并？答案

【问题标题】：Is there a faster way to merge two files rather than page by page?有没有更快的方法来合并两个文件而不是逐页合并？
【发布时间】：2020-04-29 15:30:05
【问题描述】：

我在 Python 3 上，使用 PyPDF2，为了将页码添加到新生成的 PDF（我使用 reportlab），我按以下方式逐页合并两个 PDF 文件：

from PyPDF2 import PdfFileWriter, PdfFileReader

def merge_pdf_files(first_pdf_fp, second_pdf_fp, target_fp):
    """
    Merges two PDF files into a target final PDF file.

    Args:
        first_pdf_fp: the first PDF file path.
        second_pdf_fp: the second PDF file path.
        target_fp: the target PDF file path.
    """
    pdf1 = PdfFileReader(first_pdf_fp)
    pdf2 = PdfFileReader(second_pdf_fp)
    assert (pdf1.getNumPages() == pdf2.getNumPages())
    final_pdf_writer = PdfFileWriter()
    for i in range(pdf1.getNumPages()):
        number_page = pdf1.getPage(i)
        content_page = pdf2.getPage(i)
        content_page.mergePage(number_page)
        final_pdf_writer.addPage(content_page)
    with open(target_fp, "wb") as final_os:
        final_pdf_writer.write(final_os)

但这很慢。使用PyPDF2 一次合并是否有更快、更简洁的方法？

【问题讨论】：

标签： python pypdf2

【解决方案1】：

我没有足够的“声誉”来发表评论。但是因为我要发布一个答案，所以我做了很长时间。

通常，当人们想要“合并”文档时，他们的意思是“组合”它们，或者正如您所指出的，将一个 pdf 连接或附加到另一个 pdf 的末尾（或介于两者之间）。但是根据您提供的代码，您似乎是指将一个 pdf 覆盖在另一个上，对吗？或者换句话说，您希望将 pdf1 和 pdf2 中的第 1 页合并到一个页面中，作为新 pdf 的一部分。

如果是这样，您可以使用它（修改自用于说明水印的示例）。 它仍然一次覆盖一页。但是，与 PyPDF2 相比，众所周知 pdfrw 速度非常快，并且应该可以与 reportlab 很好地配合使用。我没有比较速度，所以不确定这是否真的会比你已经拥有的更快

from pdfrw import PdfReader, PdfWriter, PageMerge

p1 = pdfrw.PdfReader("file1")
p2 = pdfrw.PdfReader("file2")

for page in range(len(p1.pages)):
    merger = PageMerge(p1.pages[page])
    merger.add(p2.pages[page]).render()

writer = PdfWriter()
writer.write("output.pdf", p1)

【讨论】：

【解决方案2】：

试试这个。您可以使用PyPdf2s PdfMerger 类。

使用文件连接，你可以使用追加方法连接文件

from PyPDF2 import PdfFileMerger

pdfs = ['file1.pdf', 'file2.pdf', 'file3.pdf', 'file4.pdf']

merger = PdfFileMerger()

for pdf in pdfs:
    merger.append(pdf)

merger.write("result.pdf")
merger.close()

【讨论】：

这不是合并文件，而是一个接一个地追加。
如果你想要更细粒度的合并控制，有一个 PdfMerger 的合并方法，它允许你在输出文件中指定一个插入点，这意味着你可以在文件的任何地方插入页面。 append 方法可以被认为是插入点是文件末尾的合并。例如merge.merge(2, pdf) 这里我们将整个 pdf 插入到输出中，但在第 2 页。
注意：为了避免文件被打开，PdfFileMergers close 方法应该在合并文件被写入时被调用。这可确保所有文件都及时关闭（输入和输出）。遗憾的是 PdfFileMerger 没有实现为上下文管理器，因此我们可以使用 with 关键字，避免显式关闭调用并获得一些简单的异常安全性。您可能还想查看作为 pypdf2 的一部分提供的 pdfcat 脚本。您可以完全避免编写代码的需要。 PyPdf2 github 还包含一些演示合并的示例代码。
github.com/mstamy2/PyPDF2/blob/master/Sample_Code/…

【解决方案3】：

也许答案会在Is there a way to speed up PDF page merging... 对您有所帮助，其中使用 multiprocessing 需要 100% 的处理器

【讨论】：