如何使用PyPDF2无需重复读写即可拆分扫描书籍类PDF页面

我用PyPDF2拆分扫描版书籍的PDF，原PDF每页包含两页书的内容（比如第1页是书的1、2页，第2页是书的3、4页），想把每页拆成两个单独的页面。原来的代码需要先把所有页面复制一遍保存再重新打开裁剪，尝试合并成一步操作时，却出现了裁剪覆盖的问题：拆分后每页都是原页面的右侧内容，左侧裁剪的结果被覆盖了。

问题原因 #

PyPDF2中的Page对象是引用类型，直接两次调用writer.add_page(reader.pages[i])添加的是同一个页面对象的引用。当你先修改第一个引用的mediabox做左侧裁剪，之后修改第二个引用的mediabox做右侧裁剪时，实际上是在修改同一个对象的属性，最后两个页面都会使用最后一次修改的mediabox设置，也就是右侧裁剪的结果。

解决方案 #

每次添加页面之前，先使用page.copy()创建页面对象的独立副本，再分别对副本进行左右裁剪，这样两个副本的修改不会互相影响。

修改后的完整代码 #

# 拆分扫描PDF为单页内容
from PyPDF2 import PdfReader, PdfWriter

reader = PdfReader("mypdf.pdf")
writer = PdfWriter()
number_of_pages = len(reader.pages)
print(f"原PDF页数: {number_of_pages}")

for i in range(number_of_pages):
    original_page = reader.pages[i]
    x, y = original_page.mediabox.getUpperRight_x(), original_page.mediabox.getUpperRight_y()
    
    # 创建左侧页面副本并裁剪
    left_page = original_page.copy()
    left_page.mediabox.lowerLeft = (0, 0)
    left_page.mediabox.upperRight = (x / 2, y)
    writer.add_page(left_page)
    
    # 创建右侧页面副本并裁剪
    right_page = original_page.copy()
    right_page.mediabox.lowerLeft = (x / 2, 0)
    right_page.mediabox.upperRight = (x, y)
    writer.add_page(right_page)

with open("mypdf_splitted.pdf", "wb") as fp:
    writer.write(fp)
print("拆分完成，已保存为mypdf_splitted.pdf")

关键说明 #

• 对每个原始页面，调用copy()生成两个独立的副本left_page和right_page
• 分别修改两个副本的mediabox，实现左右裁剪
• 把两个裁剪后的副本依次添加到writer中，最终生成的PDF就是按顺序排列的单页内容

内容的提问来源于stack exchange，提问作者andykkkk