@2018年12月24日

• 背景
  由於工作性質，經常面對不同的問題，某些場景下SQL+Excel、常用辦公軟體不能處理，這時到網上找一些案例，自己動手用python處理。後續，藉此部落格記錄比較典型的處理過程。
  後續，陸續實際處理的問題，如
  1. 合併PDF
  2. 拆分PDF
  3. 敏感欄位MD5脫敏
  4. 從非架構化的大文字檔案中提取指定條件的記錄

• 需求
  工作和生活中有時會遇到將多個pdf檔案，合併成一個大檔案的情況。例如，掃描時，普通掃描器或印表機一頁生成一個PDF，而一份資料實際多頁。Adobe的收費版有合併功能，我們可以自己動手解決。根據網上搜索了幾個合併pdf的例子，都是2.X環境下的程式，因此將部分函式替換為3.x環境下。

• 合併多個PDF的python

'''# -*- coding:utf-8*-'''
import sys
import importlib
importlib.reload(sys)

import os
import os.path
from PyPDF2 import PdfFileReader, PdfFileWriter  
import time
time1=time.time()

# 使用os模組walk函式，搜尋出某目錄下的全部pdf檔案
######################獲取同一個資料夾下的所有PDF檔名#######################
def getFileName(filepath):
    file_list = []
    for root,dirs,files in os.walk(filepath):
        for filespath in files:
            # print(os.path.join(root,filespath))
            file_list.append(os.path.join(root,filespath))

    return file_list



##########################合併同一個資料夾下所有PDF檔案########################
def MergePDF(filepath,outfile):
    output=PdfFileWriter()
    outputPages=0
    in_file_path =filepath +r'input/'
    print(in_file_path)
    pdf_fileName=getFileName(in_file_path)
    i=0
    for each in pdf_fileName:
        i=i+1
        print(i,each)
        # 讀取源pdf檔案
        input = PdfFileReader(open(each, "rb"))

        # 如果pdf檔案已經加密，必須首先解密才能使用pyPdf
        if input.isEncrypted == True:
            input.decrypt("map")

        # 獲得源pdf檔案中頁面總數
        pageCount = input.getNumPages()
        outputPages += pageCount
        print("PageCount: ",pageCount)

        # 分別將page新增到輸出output中
        for iPage in range(0, pageCount):
            output.addPage(input.getPage(iPage))


    print("All Pages Number:"+str(outputPages))
    # 最後寫pdf檔案
    out_file_path=filepath+r'output/'
    outputStream=open(out_file_path+outfile,"wb")
    output.write(outputStream)
    outputStream.close()
    print( "finished")


if __name__ == '__main__':
    file_dir = r'D:/掃描檔案/'     # 待合併PDF 所在資料夾
    out=u"某某資料合併檔案.pdf"        # 合併後文件名稱
    MergePDF(file_dir,out)
    time2 = time.time()
    print( u'總共耗時：' + str(time2 - time1) + 's')
 

• 使用注意事項
  1、程式第63行，預設指定了一個目錄，“D:\掃描檔案“，然後在其下建“\input”和“\output”兩個子資料夾。
  2、將待合併的pdf檔案放在“\input”中，合併後的檔案預設為“某某資料合併檔案.pdf”，可在程式第64行修改你期望的檔名，合併後文件輸出到“\output”。
  3、合併多個檔案時，合併順序為檔名升序。
  補充說明，如何使用python，建議學一本免費的電子書《程式設計小白的第一本Python入門書》，網上可搜。

  最後，如果哪位朋友有興趣，可以將程式第63和64行，加一個圖形介面，使用者在window下選擇input 和output，選擇輸出檔名，然後做一個可執行檔案。