如何用pdfplumber裁剪PDF每页后保存为单个PDF文件？

我需要处理一个多页PDF文件，每页顶部都有一个需移除的表格，目标是裁剪表格下方的页面内容，并将所有裁剪后的页面合并保存为单个PDF。

已尝试的方法及问题 #

初始尝试：用pdfplumber定位并裁剪页面 #

使用pdfplumber找到每页顶部表格的位置并裁剪，但无法保存合并后的PDF：

import pandas as pd
import pdfplumber

path = r"file-tests.pdf"

with pdfplumber.open(path) as pdf:
    pages = pdf.pages
    
    # 遍历每页
    for p in pages:
        print(p)

        # 获取表格的bbox（x0,y0,x1,y1）格式
        bbox_vals = p.find_tables()[0].bbox

        # 取表格的y1值作为裁剪起始点，保留表格下方内容
        y0_top_table = bbox_vals[3]
        print(y0_top_table)

        # 裁剪页面：从左到右，从表格底部到页面底部
        p.crop((0, y0_top_table, 590, 840))

输出结果：

<Page:1>
269.64727650000003
<Page:2>
269.64727650000003
...（省略重复内容）
<Page:20>
269.64727650000003

更新1：pdfplumber不支持PDF写入 #

pdfplumber仅提供PDF读取和解析功能，本身不支持将修改后的页面保存为PDF文件。

更新2：尝试用pdfrw保存失败 #

尝试使用pdfrw的PdfWriter添加裁剪后的页面，但因类型不兼容报错：

from pdfrw import PdfWriter

output_pdf =  PdfWriter() 

with pdfplumber.open(path) as pdf:
    pages = pdf.pages
    for p in pages:
        print(p)
        bbox_vals = p.find_tables()[0].bbox
        y0_top_table = bbox_vals[3]
        print(y0_top_table)
        cropped_pdf = p.crop((0, y0_top_table, 590, 840))
        print(type(cropped_pdf))
        output_pdf.addpage(cropped_pdf)

output_pdf.write(r"tests_cropped_file.pdf")

报错信息：

<Page:1>
269.64727650000003
<class 'pdfplumber.page.CroppedPage'>

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Cell In[219], line 13
     11 cropped_pdf = p.crop((0, y0_top_table, 590, 840))
     12 print(type(cropped_pdf))
---&gt; 13 output_pdf.addpage(cropped_pdf)

File c:\Users\vinee\anaconda3\envs\llma_py_3_12\Lib\site-packages\pdfrw\pdfwriter.py:270, in PdfWriter.addpage(self, page)
    268 def addpage(self, page):
    269     self._trailer = None
--&gt; 270     if page.Type != PdfName.Page:
    271         raise PdfOutputError('Bad /Type:  Expected %s, found %s'
    272                              % (PdfName.Page, page.Type))
    273     inheritable = page.inheritable  # searches for resources

AttributeError: 'CroppedPage' object has no attribute 'Type'

更新3：官方无直接解决方案 #

该裁剪后保存PDF的问题早在2018年就被提出，但pdfplumber官方至今未提供直接的写入支持。

可行解决方案 #

通过pdfplumber定位裁剪位置 + PyPDF2处理页面裁剪与保存的组合方式实现需求：

步骤1：安装依赖 #

pip install pdfplumber PyPDF2

步骤2：完整代码 #

import pdfplumber
from PyPDF2 import PdfReader, PdfWriter

input_path = "file-tests.pdf"
output_path = "tests_cropped_file.pdf"

# 第一步：用pdfplumber获取每页的裁剪起始y坐标
crop_ys = []
with pdfplumber.open(input_path) as pdf:
    for page in pdf.pages:
        # 获取每页第一个表格的bbox，取y1作为裁剪起始点
        table_bbox = page.find_tables()[0].bbox
        crop_start_y = table_bbox[3]
        crop_ys.append(crop_start_y)

# 第二步：用PyPDF2裁剪页面并合并保存
pdf_reader = PdfReader(input_path)
pdf_writer = PdfWriter()

for idx, page in enumerate(pdf_reader.pages):
    # 获取页面原始尺寸
    original_mediabox = page.mediabox
    # 设置裁剪框：保留从裁剪起始y到页面底部的区域
    page.cropbox.lower_left = (0, crop_ys[idx])
    page.cropbox.upper_right = (original_mediabox.width, original_mediabox.height)
    # 将裁剪后的页面添加到输出PDF
    pdf_writer.add_page(page)

# 保存最终PDF
with open(output_path, "wb") as output_file:
    pdf_writer.write(output_file)

代码说明 #

1. 先用pdfplumber遍历每页，定位顶部表格的底部位置（bbox[3]即y1坐标），记录所有页面的裁剪起始点。
2. 再用PyPDF2读取原PDF，遍历每页并设置cropbox参数，实现页面裁剪。
3. 最后将所有裁剪后的页面合并，保存为新的PDF文件。

内容的提问来源于stack exchange，提问作者ViSa