Python操作PDF：别再手动复制粘贴了，20行代码搞定合并拆分

上周老板扔给我一个需求：把10份合同PDF合并成一个文件，还要给每页加上公司水印。

我问行政小妹之前怎么做的，她说手动用Adobe Acrobat一页页复制。

10个文件。手动。每次还要对齐。

我打开编辑器，写了不到20行代码，3秒跑完。她看我的眼神像看魔术师。

今天就把这套方法讲透，你也能做到。

为什么选 PyPDF2 和 pdfplumber？

Python 操作 PDF 的库有好几个，我直接说结论：根据需求选，别只认一个。

• • PyPDF2：老牌库，擅长合并、拆分、旋转、加密等页面操作，轻量但文本提取较弱
• • pdfplumber：文本提取神器，能精确定位文字、提取表格，适合数据抓取场景
• • reportlab：生成PDF的王者，能从零创建带格式的文档，但读取能力一般
• • pymupdf (fitz)：全能型选手，读写、渲染、OCR都行，但安装稍复杂

新手建议先装两个：

pip install PyPDF2 pdfplumber

装完就能用，不需要额外配置。

先搞懂 PDF 的"术语"

操作 PDF 之前，得先知道代码里的东西对应文件里的哪个位置：

读写基础：5 分钟上手

读取 PDF 信息

from PyPDF2 import PdfReaderreader = PdfReader('合同.pdf')print(f'页数：{len(reader.pages)}')print(f'标题：{reader.metadata.title}')first_page = reader.pages[0]text = first_page.extract_text()print(text[:500])

提取所有页的文字

from PyPDF2 import PdfReaderreader = PdfReader('报告.pdf')all_text = []for i, page in enumerate(reader.pages):    text = page.extract_text()    all_text.append(f'--- 第 {i+1} 页 ---\n{text}')with open('报告全文.txt', 'w', encoding='utf-8') as f:    f.write('\n'.join(all_text))print('提取完成！')

extract_text() 这个方法很关键。不加它，你拿到的是 PageObject 对象，还得再处理才能拿到文字。直接调用省一半代码。

表格提取：用 pdfplumber 精准抓取

PyPDF2 提取文字还行，但表格数据经常乱成一锅粥。

这时候换 pdfplumber，它能识别表格结构：

import pdfplumberwith pdfplumber.open('财务报表.pdf') as pdf:    first_page = pdf.pages[0]    tables = first_page.extract_tables()    for row in tables[0]:        print(row)    # ['项目', '金额', '占比']    # ['工资', '50000', '50%']

extract_tables() 返回的是二维列表，每个子列表是一行。直接就是结构化数据，省得自己解析。

合并 PDF：最常用的操作

from PyPDF2 import PdfMergermerger = PdfMerger()merger.append('1月报告.pdf')merger.append('2月报告.pdf', pages=[0, 2])merger.append('3月报告.pdf', pages=(0, 5))merger.write('Q1报告汇总.pdf')merger.close()print('合并完成！')

封装成函数，合并整个文件夹：

from pathlib import Pathdef merge_pdfs_in_folder(folder, output='合并结果.pdf'):    merger = PdfMerger()    pdf_files = sorted(Path(folder).glob('*.pdf'))    for pdf in pdf_files:        if pdf.name == output:            continue        merger.append(str(pdf))    merger.write(output)    merger.close()    print(f'合并了 {len(pdf_files)} 个文件')merge_pdfs_in_folder('./合同文件夹/')

拆分 PDF：按页提取

把 100 页的报告拆成每 10 页一个文件：

from PyPDF2 import PdfReader, PdfWriterreader = PdfReader('年度报告.pdf')total_pages = len(reader.pages)for start in range(0, total_pages, 10):    writer = PdfWriter()    end = min(start + 10, total_pages)    for page_num in range(start, end):        writer.add_page(reader.pages[page_num])    filename = f'报告_第{start+1}-{end}页.pdf'    with open(filename, 'wb') as f:        writer.write(f)    print(f'已生成: {filename}')

踩坑提醒：PdfWriter 每次循环都要新建一个，不然页面会累加。

添加水印：保护文档

from PyPDF2 import PdfReader, PdfWriterdef add_watermark(input_pdf, watermark_pdf, output_pdf):    reader = PdfReader(input_pdf)    watermark_reader = PdfReader(watermark_pdf)    watermark_page = watermark_reader.pages[0]    writer = PdfWriter()    for page in reader.pages:        page.merge_page(watermark_page)        writer.add_page(page)    with open(output_pdf, 'wb') as f:        writer.write(f)    print(f'水印添加完成: {output_pdf}')add_watermark('合同.pdf', '水印.pdf', '合同_已水印.pdf')

注意：水印 PDF 必须是透明背景的单页 PDF，不然会把原内容盖住。

加密解密：保护敏感信息

from PyPDF2 import PdfReader, PdfWriterreader = PdfReader('薪资表.pdf')writer = PdfWriter()for page in reader.pages:    writer.add_page(page)writer.encrypt('123456')with open('薪资表_加密.pdf', 'wb') as f:    writer.write(f)print('加密完成！密码是: 123456')

解密：

reader = PdfReader('薪资表_加密.pdf')if reader.is_encrypted:    reader.decrypt('123456')text = reader.pages[0].extract_text()print(text)

完整实战：批量处理合同

回到开头的需求——合并合同并加水印：

from PyPDF2 import PdfMerger, PdfReader, PdfWriterfrom pathlib import Pathdef process_contracts(folder, watermark_pdf, output='合同汇总.pdf'):    # 1. 合并所有合同    merger = PdfMerger()    pdf_files = sorted(Path(folder).glob('*.pdf'))    for pdf in pdf_files:        if pdf.name == output or pdf.name == watermark_pdf:            continue        merger.append(str(pdf))    merged_file = 'temp_merged.pdf'    merger.write(merged_file)    merger.close()    # 2. 添加水印    reader = PdfReader(merged_file)    watermark = PdfReader(watermark_pdf).pages[0]    writer = PdfWriter()    for page in reader.pages:        page.merge_page(watermark)        writer.add_page(page)    # 3. 保存最终文件    with open(output, 'wb') as f:        writer.write(f)    Path(merged_file).unlink()    print(f'处理完成，共 {len(pdf_files)-1} 份合同')process_contracts('./合同/', '水印.pdf')

写在最后

Python 操作 PDF 这件事，会了就是生产力翻倍，不会就是加班到头秃。