PythonPDF批量处理方法_PyPDF2与reportlab应用【技巧】

批量处理PDF需协同PyPDF2（操作已有PDF）与reportlab（从零绘制PDF）：前者用于拆分、合并、提取文本，后者用于加水印、页眉页脚及生成结构化报表，注意版本兼容、中文字体注册、异常捕获与内存管理。

批量处理PDF文件，核心是用 PyPDF2 读取、拆分、合并、提取文本或元数据，再用 reportlab 动态生成新PDF（如水印、目录页、封面、报表）。两者分工明确：PyPDF2 负责“操作已有PDF”，reportlab 负责“从零绘制PDF”。搭配使用，就能实现自动化文档流水线。

批量拆分与合并PDF（PyPDF2）

适合整理扫描件、合并合同附件、按页拆分报告等场景。关键点在于避免直接写入原文件，始终用 PdfWriter 构建新对象。

• 批量合并：遍历PDF路径列表，用 PdfReader 逐个加载，调用 writer.add_page(page) 添加页面，最后 writer.write(output_file)
• 按页拆分：对单个PDF读取后，循环每页创建独立 PdfWriter，写入 f"output_{i+1}.pdf"
• 注意：PyPDF2 无法修改字体、图像或重排版；加密PDF需先用 .decrypt(password) 解密才能读取

添加文字水印与动态页眉（reportlab）

PyPDF2 本身不支持绘图，所以加水印、页码、标题栏必须借助 reportlab 生成覆盖层PDF，再用 PyPDF2 叠加到原文件上。

• 用 Canvas 绘制半透明文字水印（设置 setFillAlpha(0.1)），保存为 watermark.pdf
• 用 PdfReader 分别加载原文档和水印PDF，遍历每页，调用 page.merge_page(watermark_page)
• 页眉/页脚可结合 PageNumCanvas 类（继承自 Canvas）自动插入页码，适合生成带编号的批量报告

提取文本并生成结构化PDF报表（组合应用）

例如：从10份发票PDF中提取金额、日期、供应商，汇总成一张带表格的总览PDF。

• 用 PyPDF2 的 page.extract_text()（或配合 pdfplumber 提高精度）提取关键字段
• 将结构化数据存入列表，用 reportlab 的 Table 和 TableStyle 渲染为美观表格
• 导出为新PDF时，可嵌入中文字体（需提前注册 pdfmetrics.registerFont(TTFont('SimSun', 'simsum.ttc'))）

注意事项与避坑提示

实际批量运行时容易卡在细节上：

• PyPDF2 3.x 版本已弃用 PdfFileReader 等旧类名，统一用 PdfReader/PdfWriter
• reportlab 生成中文需手动注册字体，否则显示方块；推荐用 .ttc 或 .ttf 文件，避免系统字体路径问题
• 大文件批量处理建议加异常捕获（try/except PdfReadError），跳过损坏PDF，记录日志继续执行
• 内存占用高？用 del reader, writer 及时释放对象，或改用生成器逐个处理而非全量加载