基于Python实现列表驱动的批量两两合并PDF脚本需求

核心需求回顾 #

• 从TXT/CSV/XLS格式的任务列表中批量读取任务，每行格式为输入PDF1路径;输入PDF2路径;输出PDF路径
• 两两合并两个输入PDF生成输出文件；若其中一个输入路径为空，则直接将存在的那个PDF复制为输出文件
• 批量处理多组任务（如示例中的100组）

实现方案 #

选用pdfrw库处理PDF合并逻辑，结合shutil处理单文件复制，pandas（可选）支持XLS/XLSX格式的任务列表读取。该方案轻量且能覆盖所有需求场景。

依赖安装 #

先安装所需依赖：

pip install pdfrw pandas  # pandas仅在需要处理XLS/XLSX时安装

完整代码 #

import os
import shutil
from pdfrw import PdfReader, PdfWriter

def process_single_task(input_paths, output_path):
    """处理单个PDF合并/复制任务"""
    # 过滤空路径，得到有效输入文件列表
    valid_inputs = [path.strip() for path in input_paths if path.strip()]
    
    # 确保输出目录存在
    os.makedirs(os.path.dirname(output_path), exist_ok=True)
    
    if len(valid_inputs) == 1:
        # 单输入场景：直接复制文件
        shutil.copyfile(valid_inputs[0], output_path)
        print(f"已复制 {valid_inputs[0]} 到 {output_path}")
    elif len(valid_inputs) == 2:
        # 双输入场景：合并PDF
        writer = PdfWriter()
        for path in valid_inputs:
            writer.addpages(PdfReader(path).pages)
        writer.write(output_path)
        print(f"已合并 {valid_inputs[0]} + {valid_inputs[1]} 到 {output_path}")
    else:
        print(f"无效任务：输入路径数量不符合要求 - {input_paths}")

def load_task_list(file_path):
    """从TXT/CSV/XLS/XLSX文件加载任务列表"""
    tasks = []
    ext = os.path.splitext(file_path)[1].lower()
    
    if ext in ['.txt', '.csv']:
        with open(file_path, 'r', encoding='utf-8') as f:
            for line in f:
                line = line.strip()
                if not line:
                    continue
                # 按分号分割路径，确保拆分成3个元素
                parts = line.split(';')
                if len(parts) != 3:
                    print(f"忽略无效行：{line}")
                    continue
                tasks.append(parts)
    elif ext in ['.xls', '.xlsx']:
        import pandas as pd
        df = pd.read_excel(file_path, header=None)
        # 假设表格为3列，每行对应一个任务
        for _, row in df.iterrows():
            parts = row.tolist()
            if len(parts) != 3:
                print(f"忽略无效行：{parts}")
                continue
            tasks.append([str(p) for p in parts])
    else:
        raise ValueError(f"不支持的文件格式：{ext}")
    return tasks

if __name__ == "__main__":
    # 替换为你的任务文件路径
    task_file = "tasks.txt"  # 可替换为tasks.csv或tasks.xlsx
    try:
        tasks = load_task_list(task_file)
        print(f"加载到 {len(tasks)} 个任务")
        for idx, task in enumerate(tasks, 1):
            print(f"处理任务 {idx}/{len(tasks)}...")
            process_single_task(task[:2], task[2])
        print("所有任务处理完成")
    except Exception as e:
        print(f"处理出错：{str(e)}")

使用说明 #

1. 准备任务文件：
   • TXT/CSV格式：每行遵循输入PDF1路径;输入PDF2路径;输出PDF路径格式，空路径直接留空（如path1/file1.pdf;;path3/output1.pdf）
   • XLS/XLSX格式：表格需为3列，每行对应一组任务，空单元格代表空路径
2. 配置脚本：在if __name__ == "__main__"块中修改task_file为你的任务文件路径
3. 运行脚本：

   python pdf_merge_script.py
   

注意事项 #

• 确保输入PDF文件路径正确，若文件不存在脚本会抛出错误
• 输出路径的目录不存在时，脚本会自动创建
• 若不需要处理XLS/XLSX文件，可移除pandas相关代码及依赖

内容的提问来源于stack exchange，提问作者Maxence MELIN