- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
如果我有 1000 多个 pdf 文件需要合并为一个 pdf,
from PyPDF2 import PdfReader, PdfWriter
writer = PdfWriter()
for i in range(1000):
filepath = f"my/pdfs/{i}.pdf"
reader = PdfReader(open(filepath, "rb"))
for page in reader.pages:
writer.add_page(page)
with open("document-output.pdf", "wb") as fh:
writer.write(fh)
执行上面的代码,当reader = PdfReader(open(filepath, "rb"))
,
错误信息:IOError: [Errno 24] 打开的文件太多:
我认为这是一个错误,如果不是,我该怎么办?
最佳答案
我最近遇到了同样的问题,所以我研究了 PyPDF2 以了解发生了什么以及如何解决它。
注意:我假设 filename
是格式正确的文件路径字符串。假设我的所有代码都一样
简短的回答
使用 PdfFileMerger()
类而不是 PdfFileWriter()
类。我已尝试提供以下内容以尽可能与您的内容相似:
from PyPDF2 import PdfFileMerger, PdfFileReader
[...]
merger = PdfFileMerger()
for filename in filenames:
merger.append(PdfFileReader(file(filename, 'rb')))
merger.write("document-output.pdf")
长答案
您使用 PdfFileReader
和 PdfFileWriter
的方式是保持每个文件打开,并最终导致 Python 生成 IOError 24。更具体地说,当您添加PdfFileWriter
的页面,您将在打开的 PdfFileReader
中添加对页面的引用(因此,如果您关闭文件,则会出现记录的 IO 错误)。 Python 检测到该文件仍被引用,并且尽管重新使用文件句柄,但不会执行任何垃圾收集/自动文件关闭。它们保持打开状态,直到 PdfFileWriter
不再需要访问它们,这在您的代码中的 output.write(outputStream)
处。
要解决此问题,请在内存中创建内容副本,并允许关闭文件。在我的 PyPDF2 代码冒险中,我注意到 PdfFileMerger()
类已经具有此功能,因此我没有重新发明轮子,而是选择使用它。不过,我了解到,我最初对 PdfFileMerger
的看法还不够接近,而且它仅在特定条件下创建副本。
我最初的尝试如下所示,并导致相同的 IO 问题:
merger = PdfFileMerger()
for filename in filenames:
merger.append(filename)
merger.write(output_file_path)
查看PyPDF2源码,我们看到append()
需要fileobj
来传递,然后使用merge()
函数,传入它的最后一页作为新文件的位置。 merge()
使用 fileobj
执行以下操作(在使用 PdfFileReader(fileobj)
打开它之前:
if type(fileobj) in (str, unicode):
fileobj = file(fileobj, 'rb')
my_file = True
elif type(fileobj) == file:
fileobj.seek(0)
filecontent = fileobj.read()
fileobj = StringIO(filecontent)
my_file = True
elif type(fileobj) == PdfFileReader:
orig_tell = fileobj.stream.tell()
fileobj.stream.seek(0)
filecontent = StringIO(fileobj.stream.read())
fileobj.stream.seek(orig_tell)
fileobj = filecontent
my_file = True
我们可以看到 append()
选项确实接受一个字符串,并且在这样做时,假定它是一个文件路径并在该位置创建一个文件对象。最终结果与我们试图避免的事情完全相同。 PdfFileReader()
对象保持打开文件直到文件最终被写入!
但是,如果我们将文件路径字符串的文件对象 或 设为 PdfFileReader
(参见编辑 2) 路径字符串的对象在它被传递到 append()
之前,它会自动为我们创建一个副本作为 StringIO
对象,允许 Python 关闭文件。
我会推荐更简单的 merger.append(file(filename, 'rb'))
,因为其他人报告说 PdfFileReader
对象可能会在内存中保持打开状态,即使在调用 writer.close()
.
希望这有帮助!
编辑:我假设您使用的是 PyPDF2
,而不是 PyPDF
。如果你不是,我强烈建议切换,因为 PyPDF 不再维护,作者在开发 PyPDF2 时给予 Phaseit 官方祝福。
如果由于某种原因您无法切换到 PyPDF2(许可、系统限制等),那么您将无法使用 PdfFileMerger
。在这种情况下,您可以重新使用 PyPDF2 的 merge
函数(上面提供)中的代码来创建文件的副本作为 StringIO
对象,并在您的代码中使用它代替文件对象。
编辑 2: 以前使用 merger.append(PdfFileReader(file(filename, 'rb')))
的建议根据评论更改(谢谢@阿戈斯蒂诺).
关于python - pypdf 将多个pdf文件合并为一个pdf,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17104926/
我的代码有一些问题。我正在尝试遍历包含许多 PDF 的 Drive 文件夹,然后将它们合并为一个文件。当我使用我的代码时,它只是为 Drive 文件夹中的最后一个 PDF 创建一个 PDF,而不是按预
我从 PDF Specification 获取了 PDF 规范中的最小 PDF 示例。 ,将其复制到记事本,将文件重命名为扩展名为 .pdf。 我可以用其他 PDF 查看器(PDF-XChange、S
感谢您在以下方面的帮助: 我有 2 个部分可访问的 PDF(包含标签),我想使用一些命令行工具(如 PDFtk 或 Ghostscript,或任何 Perl 模块)将它们连接起来: 我已经尝试使用 P
我想使用 ghostscript 将矢量 pdf 转换为光栅 pdf(即光栅化矢量 pdf)。但是即使我添加了解析参数 -r300,我也找不到合适的参数来执行此操作。 我使用的代码是-dSAFER -
我无法在 FAQ 中找到这个功能是否存在于 API 中,尽管它在书中提到作为潜在可用的东西。有没有人有任何实现此功能的经验? 最佳答案 在 This thread (日期为 2007 年 6 月)Pa
我要放文件sample.pdf在我的网站上,并希望使用 pdf.js 显示它.我想要的是显示我自己的文件,如 demo ,带有工具栏,放大/缩小等。到目前为止,我还不能这样做。 我确实检查了 hell
我知道这可能不是严格意义上的编程问题(也许是,我不知道)但我在尝试转换常规 pdf(带有超链接、书签、图像、嵌入字体等)时遇到了严重问题.) 转换为 PDF/A-1 格式。 当我用 pdfaPilot
这是 PDF.js 网站 https://github.com/mozilla/pdf.js 我正在搜索和阅读很多文章,大多数编码都是将 pdf 导入 pdf.js 并在浏览器上显示,我不明白是不是
谁能建议我如何将扫描图像转换为可搜索图像或如何将扫描 pdf 转换为可搜索 pdf? 很长一段时间以来,我一直陷入这种情况。 我已经在 ubuntu 中尝试过 pdfocr 应用程序,但没有成功。 最
作为我对客户端/服务器 pdf 签名研究的一部分,我测试了 itext pdf 延迟签名示例。不幸的是,我生成的 pdf 即合并空签名 pdf 和哈希值的输出显示无效签名。 我的代码片段如下 cla
我想将一个 PDF 页面插入到另一个已缩放的 PDF 页面中。我想使用 iTextSharp 来实现此目的。 我有一个矢量绘图,可以导出为单页 PDF 文件。我想将此文件添加到其他 PDF 文档的页面
作为我对客户端/服务器 pdf 签名研究的一部分,我测试了 itext pdf 延迟签名示例。不幸的是,我生成的 pdf 即合并空签名 pdf 和哈希值的输出显示无效签名。 我的代码片段如下 cla
我想为 Kindle 转换电子书。我尝试使用 Calibre 将具有复杂格式样式和图像的基于两种语言的基于文本的大型 PDF 电子书转换为适用于 Kindle 的 AZW3 电子书,并且还尝试了亚马逊
我在 Google Chrome 中显示 pdf 时遇到问题。问题是 Chrome 将 pdf 的某些页面显示为黑色。 启用 Chrome PDF 查看器时会发生这种情况。如果我禁用此插件并使用 Ad
我确信这个问题无处不在,尽管我似乎找不到答案。我希望我的 PDF 文档在 PDF 阅读器中显示时没有空白页,但随后在封面后打印空白页,这样打印出来的文档在右侧甚至左侧都有奇数页。还有其他人遇到过这个问
我需要自动裁剪 pdf 文件(去除白边)。到目前为止,我尝试了两种并不完美的工具: pdf裁剪 问题:它不会裁剪某些 pdf。 pdf-crop-margins 问题:有时它裁剪得太多(精细的细节)。
This PDF由几个源文件组成。其中五个是包含 alpha channel 的 PNG。一种是没有 alpha channel 的 PNG。最后一 block 是带有透明效果的 Photoshop
我的团队将内部 wiki 页面用于各种内容。这些页面是使用 MediaWiki 创建的。我想知道是否有任何方法可以将 wiki 页面转换为 PDF 格式。我必须用它来将用户文档转换为 PDF 格式,以
我希望能够从我可能在数据库或 xml 或任何其他结构化形式中拥有的数据生成高度图形化(也包含大量文本内容)的 PDF 文件。 目前,我们的平面设计师在将内容作为 MS Word 文档后,在 Photo
我正在寻找可以帮助我找到重复 PDF 的实用程序。问题:我有 1000 个 PDF 文件。有些是重复的。由于不同的文件名和文件大小的微小差异,它们不容易被检测到。是否有实用程序/算法/库可以帮助我找到
我是一名优秀的程序员,十分优秀!