如何用Python将PDF多页合并为单张纵向拼接页面？

问题原因 #

使用PageMerge.add()时，默认会将所有页面放置在坐标(0, 0)位置，导致页面相互重叠堆叠，而非纵向排列。

pdfrw 解决方案 #

需要手动计算每个页面的纵向偏移量，将后续页面依次放置在前一页的下方。核心是获取页面高度，累加计算每个页面的起始Y坐标：

from pdfrw import PdfReader, PdfWriter, PageMerge

def merge_pdf_pages(input_file='input.pdf'):
    reader = PdfReader(input_file)
    writer = PdfWriter()
    pages = PageMerge()
    
    current_y = 0  # 初始Y坐标，从顶部开始（PDF坐标原点在左下角）
    for page in reader.pages:
        # 获取当前页面的实际高度
        page_height = float(page.MediaBox[3]) - float(page.MediaBox[1])
        # 将页面放置在指定Y坐标（current_y为页面底部的位置）
        pages.add(page, y=current_y)
        # 更新Y坐标，让下一页底部对齐当前页的顶部
        current_y += page_height
    
    # 渲染合并页面，并设置总高度为所有页面高度之和
    merged_page = pages.render()
    merged_page.MediaBox[3] = current_y
    writer.addpage(merged_page)
    
    with open("output.pdf",'wb') as file:
        writer.write(file)

# 调用示例
merge_pdf_pages('input.pdf')

关键说明 #

• PDF坐标系统原点在左下角，所以通过累加页面高度，能让页面从上到下依次衔接。
• 渲染后必须手动设置合并页面的MediaBox高度，否则输出PDF可能无法完整显示所有内容。

pypdf 类似实现思路 #

pypdf的merge_page()默认也是重叠逻辑，要实现纵向拼接需用相同的坐标计算思路：

1. 创建一个高度等于所有页面总高度的空白容器页面。
2. 依次将每个页面叠加到容器的对应Y坐标位置。

示例代码：

from pypdf import PdfReader, PdfWriter, PageObject

def merge_pdf_pages_pypdf(input_file='input.pdf'):
    reader = PdfReader(input_file)
    writer = PdfWriter()
    
    # 计算所有页面的总高度
    total_height = sum(float(page.mediabox.height) for page in reader.pages)
    # 创建空白容器，宽度取第一页的宽度，高度为总高度
    container = PageObject.create_blank_page(
        width=float(reader.pages[0].mediabox.width),
        height=total_height
    )
    
    current_y = total_height  # 容器顶部的Y坐标
    for page in reader.pages:
        page_height = float(page.mediabox.height)
        current_y -= page_height  # 计算当前页面顶部的Y坐标
        # 将页面合并到容器的指定位置
        container.merge_translated_page(page, 0, current_y)
    
    writer.add_page(container)
    with open("output_pypdf.pdf", 'wb') as f:
        writer.write(f)

内容的提问来源于stack exchange，提问作者V Falcon