Разбить PDF документ на страницы

@SunIsUp · Регистрация: 16.06.2017

Студворк — интернет-сервис помощи студентам

Здравствуйте, уважаемые форумчане. Пришёл к вам за советом: необходим скрипт, который бы разбивал PDF документ на отдельные страницы (т.е. на входе hello.pdf, состоящий из 10 страниц, на выходе hello_1.pdf, hello_2.pdf и т.д., состоящие из 1 страницы каждый). Написал я вот такой скриптик:

Python
1
2
3
4
5
6
7
8
9
10
11
from PyPDF2 import PdfFileWriter, PdfFileReader
 
output = PdfFileWriter()
input_PDF = PdfFileReader(open('C:/Python/PDF/PyPDF2/hello.pdf', 'rb'))
for i in range(input_PDF.getNumPages()):
    new_File_PDF = input_PDF.getPage(i)
    output.addPage(new_File_PDF)
    output_Name_File = "output_"+str(i+1)+".pdf"
    outputStream = open(output_Name_File, 'wb')
    output.write(outputStream)
    outputStream.close()

Но на выходе получается так, что в hello_1.pdf записывается 1 страница, в hello_2.pdf 1 и 2 страницы, в hello_3.pdf 1,2,3 страницы и т.д....
Подскажите, как сделать так, чтоб по одной странице (соответствующей номеру документа) было в конечных документах?

@RunningMan · 16.06.2017, 11:08

Сообщение от SunIsUp

Подскажите, как сделать так, чтоб по одной странице (соответствующей номеру документа) было в конечных документах?

Нет модуля PyPDF2,
но судя по кодУ,
необходимо создавать новый PdfFileWriter на каждой итерации цикла

Python
1
2
3
for i in range(input_PDF.getNumPages())
    output = PdfFileWriter()
    ....

@SunIsUp · 16.06.2017, 11:45 **[ТС]**

Сообщение от RuningMan

необходимо создавать новый PdfFileWriter на каждой итерации цикла

Приходила в голову такая мысль, что нужно как-то очищать его или создавать в цикле, но выдаёт ошибку, когда вставляю в цикл

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Traceback (most recent call last):
  File "C:\Python\PDF\PyPDF2\PDFrazbienie.py", line 10, in <module>
    output.write(outputStream)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 482, in write
    self._sweepIndirectReferences(externalReferenceMap, self._root)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 572, in _sweepIndirectReferences
    self._sweepIndirectReferences(externMap, realdata)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 572, in _sweepIndirectReferences
    self._sweepIndirectReferences(externMap, realdata)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 557, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, data[i])
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 572, in _sweepIndirectReferences
    self._sweepIndirectReferences(externMap, realdata)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 589, in _sweepIndirectReferences
    newobj = self._sweepIndirectReferences(externMap, newobj)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 589, in _sweepIndirectReferences
    newobj = self._sweepIndirectReferences(externMap, newobj)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 548, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, value)
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 557, in _sweepIndirectReferences
    value = self._sweepIndirectReferences(externMap, data[i])
  File "C:\Python\PDF\PyPDF2\PyPDF2\pdf.py", line 575, in _sweepIndirectReferences
    if data.pdf.stream.closed:
AttributeError: 'PdfFileWriter' object has no attribute 'stream'

@RunningMan · 16.06.2017, 14:05

SunIsUp,
Интереса ради установил модуль
Запустил скрипт. Без проблем из каждой страницы
создаётся новый одностраничный документ. Ошибок нет.

Python
1
2
3
4
5
6
7
8
9
10
11
12
from  PyPDF2 import PdfFileWriter, PdfFileReader
 
input_PDF = PdfFileReader(open('SomePDF.pdf', 'rb'))
 
for i in range(input_PDF.getNumPages()):
    output = PdfFileWriter()    
    new_File_PDF = input_PDF.getPage(i)
    output.addPage(new_File_PDF)
    output_Name_File = "SomePDF"+str(i+1)+".pdf"
    outputStream = open(output_Name_File, 'wb')
    output.write(outputStream)
    outputStream.close()

@SunIsUp · 16.06.2017, 14:31 **[ТС]**

Сообщение от RuningMan

Интереса ради установил модуль

Уточните, пожалуйста, вы в командной строке перешли в папку где лежит модуль, набрали после этого python setup.py install, запустили после этого скрипт и всё заработало?

Добавлено через 6 минут
Вопрос закрыт. Скачал библиотеку с другого сайта - всё работает, видимо битая была предыдущая. Спасибо всем.

@Ципихович Эндрю · 13.01.2021, 16:05

здравствуйте, опробовал код с поста 4
PyPDF2 поставил, но в venv предлагается только PyPDF2table and PyPDF2xml
и как быть? спс

Добавлено через 17 минут
PyPDF2 - на рассмотрел, было оно вверху...

Добавлено через 9 минут
итого:
не ругнулся всё сделал-но файлов то и нету-во всяком случае, там же где был исходный

Python
1
input_PDF = PdfFileReader(open('d:/1.pdf', 'rb'))

то есть на диске ДЭ

Добавлено через 4 часа 32 минуты
апну тему
ну и в перспективе обрезать разбитые страницы как?
а можно сразу не разбивать а извлекать с пдф, как - даешь компьютерное зрение.....))
цель распознавать с кусков пдф текст и сравнивать с текстом оригинала - и иметь представление насколько точно

@Ципихович Эндрю · 17.01.2021, 16:40

Сообщение от Ципихович Эндрю

не ругнулся всё сделал-но файлов то и нету-во всяком случае, там же где был исходный

разобрался, PDF страницы документа сохраняются в папке, откуда запускался файл .py

Сообщение от Ципихович Эндрю

апну тему
ну и в перспективе обрезать разбитые страницы как?

@geargoose · 21.01.2021, 22:06

Сообщение от Ципихович Эндрю

ну и в перспективе обрезать разбитые страницы как?

Думаю, можно pdf перевести в текст и сравнивать построчно. Или генерировать хэш для каждой страницы.

@Ципихович Эндрю · 22.01.2021, 14:13

пример нашёл
https://newtechaudit.ru/pytesseract-pdf/
но увы проблема с установкой CV2

@u235 · 22.01.2021, 16:16

Какое еще компьютерное зрение? Нормальный pdf содержит текст. Установите python-poppler. С помощью poppler'a и на страницы можно разбить и текст извлечь, и , скорее всего, кроп сделать.

Добавлено через 1 час 4 минуты
Добавьте после 7 строки и получите текст:

Python
1
print( new_File_PDF.extractText())

@Ципихович Эндрю · 23.01.2021, 07:33

Сообщение от u235

Добавьте после 7 строки и получите текст:

окейно, спс большое

Новые блоги и статьи Все статьи Все блоги /
Оттенки серого Argus19 18.03.2026 Оттенки серого Нашёл в интернете 3 прекрасных модуля: Модуль класса открытия диалога открытия/ сохранения файла на Win32 API; Модуль класса быстрого перекодирования цветного изображения в оттенки. . .	SDL3 для Desktop (MinGW): Рисуем цветные прямоугольники с помощью рисовальщика SDL3 на Си и C++ 8Observer8 17.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-rectangles-sdl3-c. zip finish-rectangles-sdl3-cpp. zip	Символические и жёсткие ссылки в Linux. algri14 15.03.2026 Существует два типа ссылок — символические и жёсткие. Ссылка в Linux — это запись в каталоге, которая может указывать либо на inode «файла-ИСТОЧНИКА», тогда это будет «жёсткая ссылка» (hard link),. . .	[Owen Logic] Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ФедосеевПавел 14.03.2026 Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ВВЕДЕНИЕ Выполняя задание на управление насосной группой заполнения резервуара,. . .
делаю науч статью по влиянию грибов на сукцессию anaschu 13.03.2026 прикрепляю статью	SDL3 для Desktop (MinGW): Создаём пустое окно с нуля для 2D-графики на SDL3, Си и C++ 8Observer8 10.03.2026 Содержание блога Финальные проекты на Си и на C++: hello-sdl3-c. zip hello-sdl3-cpp. zip Результат:	Установка CMake и MinGW 13.1 для сборки С и C++ приложений из консоли и из Qt Creator в EXE 8Observer8 10.03.2026 Содержание блога MinGW - это коллекция инструментов для сборки приложений в EXE. CMake - это система сборки приложений. Здесь описаны базовые шаги для старта программирования с помощью CMake и. . .	Как дизайн сайта влияет на конверсию: 7 решений, которые реально повышают заявки Neotwalker 08.03.2026 Многие до сих пор воспринимают дизайн сайта как “красивую оболочку”. На практике всё иначе: дизайн напрямую влияет на то, оставит человек заявку или уйдёт через несколько секунд. Даже если у вас. . .

@Ципихович Эндрю 1712 / 579 / 76 Регистрация: 10.04.2009 Сообщений: 9,327
	22.01.2021, 14:13
	пример нашёл https://newtechaudit.ru/pytesseract-pdf/ но увы проблема с установкой CV2 0