PyMuPdf实现分批倒序遍历PDF页面的优化方法问询

针对你需要从PDF末尾按固定批次倒序遍历、每批次后询问用户是否继续的需求，这里提供一个封装生成器的优化方案，无需手动计算页码起止，代码更简洁易维护：

核心实现代码 #

1. 封装批次倒序页面生成器 #

这个生成器会自动处理页码边界，每次返回一个批次的倒序页面，批次结束时返回None用于触发用户确认：

import fitz

def batch_reversed_pages(doc, batch_size=5):
    total_pages = doc.page_count
    current_end_idx = total_pages - 1  # PyMuPDF页面索引从0开始
    
    while current_end_idx >= 0:
        # 计算当前批次的起始索引（确保不小于0）
        current_start_idx = max(current_end_idx - batch_size + 1, 0)
        # 倒序遍历当前批次的页面
        for idx in range(current_end_idx, current_start_idx - 1, -1):
            yield doc[idx]
        # 标记当前批次结束
        yield None
        # 更新下一批次的结束索引
        current_end_idx = current_start_idx - 1

2. 调用生成器并处理用户交互 #

# 打开PDF文档
doc = fitz.open("target.pdf")

# 初始化生成器，指定批次大小为5
page_generator = batch_reversed_pages(doc, batch_size=5)

while True:
    try:
        page = next(page_generator)
        if page is None:
            # 批次处理完成，询问用户是否继续
            choice = input("当前5页处理完成，是否继续下一批？(y/n): ").strip().lower()
            if choice != "y":
                break
            continue
        # 这里添加你的页面处理逻辑，例如提取文本、操作页面等
        print(f"正在处理第 {page.number + 1} 页")
        # text = page.get_text()
        # ... 其他处理代码 ...
    except StopIteration:
        print("所有页面已处理完毕")
        break

# 关闭文档
doc.close()

方案优势 #

• 自动处理页码计算：无需手动推导每个批次的start/stop参数，生成器会自动适配总页数和批次大小，包括最后一批不足5页的边界情况
• 清晰的交互逻辑：通过yield None明确标记批次结束点，自然嵌入用户确认流程
• 高可复用性：只需调整batch_size参数即可修改每次处理的页数，无需改动核心遍历逻辑
• 高效访问页面：直接通过索引访问页面doc[idx]，性能优于额外的切片或反转操作

内容的提问来源于stack exchange，提问作者donny