如何用Python实现PDF多页提取、旋转与重命名？单页代码需优化

原代码仅支持Excel「Page Num」列为单页码（如8、18）的PDF提取、旋转与重命名，当该列为多页码（如"8,18"合并为一个文件、"9-10"合并为一个文件）时无法正常工作，以下是修复方案：

原代码核心问题 #

1. 直接将page_num视为单个整数，未处理多页码的字符串格式（逗号分隔离散页码、短横线分隔连续页码）
2. 缺少多页合并到同一输出PDF的逻辑
3. 未初始化sheet变量，无法添加Excel注释

修复后的完整代码 #

import PyPDF2
import pandas as pd
from openpyxl import load_workbook

# 读取Excel数据和工作簿（用于添加注释）
excel_path = "C:\\Users\\rc06587\\OneDrive - Ryan LLC\\Desktop\\PDF Tool\\Sample.xlsx"
df = pd.read_excel(excel_path)
wb = load_workbook(excel_path)
sheet = wb.active

def parse_page_numbers(page_str):
    """解析页码字符串，支持逗号分隔离散页码和短横线分隔连续页码"""
    page_list = []
    if pd.isna(page_str):
        return page_list
    # 按逗号分割成多个片段
    parts = str(page_str).split(',')
    for part in parts:
        part = part.strip()
        if '-' in part:
            # 处理连续页码（如9-10）
            try:
                start_page, end_page = map(int, part.split('-'))
                page_list.extend(range(start_page, end_page + 1))
            except ValueError:
                continue
        else:
            # 处理单个页码
            try:
                page_num = int(part.strip())
                page_list.append(page_num)
            except ValueError:
                continue
    # 去重并排序
    return sorted(list(set(page_list)))

for index, row in df.iterrows():
    pdf_path = row['File Path']
    page_num_str = row['Page Num']
    rotation_angle = row['Rotation Angle']
    save_as = row['New PDF Name']

    # 转换旋转角度
    if rotation_angle == 'R':
        rotation_angle = 90
    elif rotation_angle == 'U':
        rotation_angle = 180
    elif rotation_angle == 'L':
        rotation_angle = -90
    elif rotation_angle == 'D':
        rotation_angle = 0  # -180度旋转等同于不旋转，用0更直观
    else:
        rotation_angle = 0

    # 解析页码列表
    page_numbers = parse_page_numbers(page_num_str)
    if not page_numbers:
        sheet.cell(row=index+2, column=6).comment = "Invalid Page Numbers"
        continue

    try:
        with open(pdf_path, 'rb') as file:
            pdf_reader = PyPDF2.PdfFileReader(file)
            total_pages = pdf_reader.getNumPages()
            pdf_writer = PyPDF2.PdfFileWriter()
            has_invalid_page = False

            for page_num in page_numbers:
                if page_num < 1 or page_num > total_pages:
                    has_invalid_page = True
                    continue
                # 提取目标页码（PyPDF2采用0索引）
                page = pdf_reader.getPage(page_num - 1)
                page.rotateClockwise(rotation_angle)
                pdf_writer.addPage(page)

            # 写入输出PDF
            if pdf_writer.getNumPages() > 0:
                with open(save_as, 'wb') as new_file:
                    pdf_writer.write(new_file)
            else:
                sheet.cell(row=index+2, column=6).comment = "No Valid Pages to Extract"

            # 添加页码越界注释
            if has_invalid_page:
                sheet.cell(row=index+2, column=6).comment = "Some Pages Exceeded Total Pages"

    except Exception as e:
        sheet.cell(row=index+2, column=6).comment = f"Error: {str(e)}"

# 保存Excel中的注释
wb.save(excel_path)

代码关键说明 #

• parse_page_numbers函数：解析多种格式的页码字符串，转换成有序的整数页码列表，支持离散页码（如"8,18"）和连续页码范围（如"9-10"）
• 多页合并逻辑：将同一行的所有目标页码提取、旋转后，统一添加到同一个PdfFileWriter实例，最后一次性写入输出文件
• Excel注释修复：使用openpyxl加载工作簿，处理完成后保存注释，解决原代码中sheet未初始化的问题
• 错误处理：捕获异常并添加对应注释，避免程序中断

内容的提问来源于stack exchange，提问作者Sai Teja