Python自动化办公之PDF拆分工具

今天我们继续分享真实的自动化办公案例，希望各位 Python 爱好者能够从中得到些许启发，在自己的工作生活中更多的应用 Python，使得工作事半功倍！

需求

需要从 PDF 中取出几页并将其保存为新的 PDF，为了后期使用方便，这个工具需要做成傻瓜式的带有 GUI 页面的形式
Python-PDF - 萝卜大杂烩 - 基于appJar库编辑GUI页面的PDF拆分工具 - 图1
选择源 pdf 文件，再指定下生成的新的 pdf 文件名称及保存位置，和需要拆分的 page 信息，就可以得到新的 pdf 文件了。

需求解析

对于 Python GUI，我们有太多种选择了，下面我们先来横向的简单对比下：
从高层次上看，大的 GUI 工具有：

  • Qt
  • WxWindows
  • Tkinter
  • Customer libraries(Kivy，Toga等)
  • Web相关（HTML，Flask等）

不过今天，我们选择的工具是 appJar，这是一个由一位从事教育工作的大神发明的，所以它可以提供一个更加简单的 GUI 创建过程，而且是完全基于 Tkinter 的，Python 默认支持。

代码实现

首先为了实现 PDF 操作，我这里选择了 pypdf2 库。
我们先硬编码一个输入输出的示例：

  1. from PyPDF2 import PdfFileWriter, PdfFileReader
  3. infile = "Input.pdf"
  4. outfile = "Output.pdf"
  6. page_range = "1-2,6"

接下来我们实例化 PdfFileWriter 和 PdfFIleReader 对象，并创建实际的 Output.pdf 文件：

  1. output = PdfFileWriter()
  2. input_pdf = PdfFileReader(open(infile, "rb"))
  3. output_file = open(outfile, "wb")

下面一个比较复杂的点就是需要拆分 pdf，提取页面并保存在列表中：

  1. page_ranges = (x.split("-") for x in page_range.split(","))
  2. range_list = [i for r in page_ranges for i in range(int(r[0]), int(r[-1]) + 1)]

最后就是从原始文件中拷贝内容到新的文件:

  1. for p in range_list:
  2.     output.addPage(input_pdf.getPage(p - 1))
  3. output.write(output_file)

构建 GUI 界面

对于这个拆分 PDF 的小工具，需要具有如下功能：

  • 可以通过标准文件浏览器选择 pdf 文件
  • 可以选择输出文件的位置及文件名称
  • 可以自定义提取哪些页面
  • 有一些错误检查

通过 PIP 安装好 appJar 后，我们就可以编码了：

  1. from appJar import gui
  2. from PyPDF2 import PdfFileWriter, PdfFileReader
  3. from pathlib import Path

创建 GUI 窗口：

  1. app = gui("PDF Splitter", useTtk=True)
  2. app.setTtkTheme("default")
  3. app.setSize(500, 200)

这里我使用了默认主题，当然也可以切换各种各样的主题模式：
Python-PDF - 萝卜大杂烩 - 基于appJar库编辑GUI页面的PDF拆分工具 - 图2

下面是添加标签和数据输入组件：

  1. app.addLabel("Choose Source PDF File")
  2. app.addFileEntry("Input_File")
  4. app.addLabel("Select Output Directory")
  5. app.addDirectoryEntry("Output_Directory")
  7. app.addLabel("Output file name")
  8. app.addEntry("Output_name")
  10. app.addLabel("Page Ranges: 1,3,4-10")
  11. app.addEntry("Page_Ranges")

接下来添加按钮，“处理”和“退出”，按下按钮，调用如下函数：

  1. app.addButtons(["Process", "Quit"], press)

最后就是运行这个 app 啦：

  1. # start the GUI
  2. app.go()

这样我们就完成了 GUI 的搭建，下面编写内部处理逻辑。程序读取任何输入，判断是否为 PDF，并拆分：

  1. def press(button):
  2.     if button == "Process":
  3.         src_file = app.getEntry("Input_File")
  4.         dest_dir = app.getEntry("Output_Directory")
  5.         page_range = app.getEntry("Page_Ranges")
  6.         out_file = app.getEntry("Output_name")
  7.         errors, error_msg = validate_inputs(src_file, dest_dir, page_range, out_file)
  8.         if errors:
  9.             app.errorBox("Error", "\n".join(error_msg), parent=None)
  10.         else:
  11.             split_pages(src_file, page_range, Path(dest_dir, out_file))
  12.     else:
  13.         app.stop()

如果单击 “处理（Process）”按钮，则调用 app.getEntry() 检索输入值，每个值都会被存储，然后通过调用 validate_inputs() 进行验证：
来看看 validate_inputs 函数：

  1. def validate_inputs(input_file, output_dir, range, file_name):
  2.     errors = False
  3.     error_msgs = []
  5.     # Make sure a PDF is selected
  6.     if Path(input_file).suffix.upper() != ".PDF":
  7.         errors = True
  8.         error_msgs.append("Please select a PDF input file")
  10.     # Make sure a range is selected
  11.     if len(range) < 1:
  12.         errors = True
  13.         error_msgs.append("Please enter a valid page range")
  15.     # Check for a valid directory
  16.     if not(Path(output_dir)).exists():
  17.         errors = True
  18.         error_msgs.append("Please Select a valid output directory")
  20.     # Check for a file name
  21.     if len(file_name) < 1:
  22.         errors = True
  23.         error_msgs.append("Please enter a file name")
  25.     return(errors, error_msgs)

这个函数就是执行一些检查来确保输入有数据并且有效。
在收集验证了所有数据后，就可以调用 split 函数来处理文件了：

  1. def split_pages(input_file, page_range, out_file):
  2.     output = PdfFileWriter()
  3.     input_pdf = PdfFileReader(open(input_file, "rb"))
  4.     output_file = open(out_file, "wb")
  6.     page_ranges = (x.split("-") for x in page_range.split(","))
  7.     range_list = [i for r in page_ranges for i in range(int(r[0]), int(r[-1]) + 1)]
  9.     for p in range_list:
  10.         # Need to subtract 1 because pages are 0 indexed
  11.         try:
  12.             output.addPage(input_pdf.getPage(p - 1))
  13.         except IndexError:
  14.             # Alert the user and stop adding pages
  15.             app.infoBox("Info", "Range exceeded number of pages in input.\nFile will still be saved.")
  16.             break
  17.     output.write(output_file)
  19.     if(app.questionBox("File Save", "Output PDF saved. Do you want to quit?")):
  20.         app.stop()

好了，这样我们就完成了一个简易的 GUI 拆分 PDF 文件的工具喽~