Python批量合并多个PDF
在日常工作中，处理和合并多个 PDF 文件是一个常见需求，尤其是在需要将大量文件整理成一个完整文档时。本文将详细介绍如何使用 Python 的 PyMuPDF 库来实现批量 PDF 文件合并，并提供针对大文件优化的解决方案。
安装 PyMuPDF
要使用 PyMuPDF，需要先安装这个库。可以通过以下命令安装：
pip install pymupdf
安装完成后，PyMuPDF 将作为 fitz 模块导入。
基础方法：合并两个 PDF 文件
PyMuPDF 中的 Document.insert_pdf() 方法支持将一个 PDF 文档的内容插入到另一个文档的指定位置，这样我们就能非常轻松地实现两个 PDF 文件的合并。例如：
import fitz # 导入 PyMuPDFdef merge_two_pdf(pdf1_path: str, pdf2_path: str, output_pdf: str):pdf1 = fitz.open(pdf1_path)pdf2 = fitz.open(pdf2_path)pdf1.insert_pdf(pdf2)pdf1.save(output_pdf, garbage=4) # 保存结果到指定路径pdf1.close()pdf2.close()
这个函数 merge_two_pdf 接受两个 PDF 文件路径，并将它们合并为一个新的 PDF 文件。garbage=4 参数可以在保存时移除不必要的对象，从而减小输出文件的大小。
批量合并多个 PDF 文件
如果需要合并的 PDF 文件不止两个，可以创建一个循环来遍历文件列表，将每个文件依次添加到目标 PDF 中：
def merge_pdfs(input_files: list, output_file: str):final_pdf = fitz.open() # 创建空的 PDF 对象for temp_file in input_files:with fitz.open(temp_file) as temp_pdf:final_pdf.insert_pdf(temp_pdf) # 插入每个 PDF 文件final_pdf.save(output_file, garbage=4) # 保存最终合并结果final_pdf.close()print(f"合并完成，输出文件为：{output_file}")
在 merge_pdfs 函数中，input_files 是一个包含多个 PDF 文件路径的列表，该函数将所有文件合并到一个目标 PDF output_file 中。
注意事项
当文件数量多、单个 PDF 文件特别大时，上述方法可能会导致内存占用过高。在这种情况下，可以使用以下优化策略来提高内存和时间效率。
针对大文件的优化策略
如果需要合并的 PDF 文件很多，或者单个文件特别大，直接合并会占用大量内存。以下是一些优化策略：
- 分批处理并写入：大量文件时可以分批加载和合并，避免一次性加载所有文件。例如，处理一组文件后就保存一次部分结果并释放内存。
- 避免逐页插入：对于多页文件，可以直接将整个 PDF 插入到目标文档中，而不是逐页插入，从而减少
insert_pdf的调用次数。 - 多次保存分批结果，避免中间缓存：每处理完一组文件后保存为一个中间文件，继续合并下一组文件。最终将所有中间文件合并。
- 利用磁盘而非内存：采用文件缓存方式，将中间文件写入磁盘。合并完成后，删除不再需要的中间文件。
优化代码示例
以下代码展示了如何分批合并 PDF 文件，适合大文件和文件数非常多的情况：
import os
import fitz # 导入 PyMuPDFdef merge_two_pdf(pdf1_path: str, pdf2_path: str, output_pdf: str):"""合并 pdf1 和 pdf2 输出到 output_pdf，并删除临时文件"""pdf1 = fitz.open(pdf1_path)pdf2 = fitz.open(pdf2_path)pdf1.insert_pdf(pdf2)pdf1.save(output_pdf, garbage=4) # 保存结果pdf1.close()pdf2.close()if pdf1_path.endswith('.tmp'):os.remove(pdf1_path)if pdf2_path.endswith('.tmp'):os.remove(pdf2_path)def merge_pdfs(input_files: list, output_file: str):tmp_count = 0while len(input_files) > 2:merged_files = []for i in range(0, len(input_files), 2):if i + 1 < len(input_files):tmp_file = f"{output_file}{tmp_count}.tmp"merge_two_pdf(input_files[i], input_files[i + 1], tmp_file)merged_files.append(tmp_file)tmp_count += 1else:merged_files.append(input_files[i])input_files = merged_filesmerge_two_pdf(input_files[0], input_files[1], output_file) # 保存最终结果
代码解析
merge_two_pdf函数负责合并两个 PDF 文件，并在合并后删除临时文件。merge_pdfs函数使用循环批量合并文件。每次迭代中，它将文件成对合并为一个临时文件，添加到列表merged_files，以便下一次迭代使用。- 最终，合并后的文件保存在
output_file中。
示例调用
假设我们有一组 PDF 文件 file1.pdf, file2.pdf, file3.pdf 等：
input_files = ["file1.pdf", "file2.pdf", "file3.pdf", "file4.pdf"]
output_file = "merged_output.pdf"
merge_pdfs(input_files, output_file)
总结
本文介绍了使用 PyMuPDF 库批量合并多个 PDF 文件的方法，并针对大文件或大量文件的情况提供了优化方案。