如何使用PyPDF2按页拆分PDF并让拆分后单页文件体积更小？

拆分后单页体积接近原文件，本质是PyPDF2默认会将原PDF的全量共享资源（嵌入字体、公共图片、元数据、表单资源等）全部复制到每个输出文件，哪怕当前页面完全没用到这些资源。remove_links()仅能删除链接注解，完全不涉及占体积90%以上的共享资源，因此没有缩减效果。

方案1：PyPDF2原生优化（无需额外依赖，效果一般） #

PyPDF2 2.0+版本提供了冗余对象清理和内容流压缩接口，可在原有代码基础上修改，能清理大部分无用资源：

from PyPDF2 import PdfReader, PdfWriter

def save_pdf_page(file_name, page_index):
    reader = PdfReader(file_name)
    writer = PdfWriter()
    writer.add_page(reader.pages[page_index])
    # 压缩页面内容流
    writer.compress_content_streams()
    # 最高等级清理无引用的冗余资源
    writer.remove_unreferenced_objects()
    with open(f"output_page{page_index}.pdf", "wb") as fh:
        writer.write(fh)

该方案对嵌套引用的资源识别准确率有限，最终体积通常比理论值大20%~50%，适合不想额外安装第三方库的场景。

方案2：PyMuPDF拆分（体积控制最优，推荐） #

PyMuPDF（导入名为fitz）拆分PDF时默认仅复制当前页实际依赖的资源，配合内置的最高等级压缩参数，输出文件基本无冗余，体积接近理论最小值。
首先安装依赖：
pip install pymupdf
实现代码：

import fitz

def save_pdf_page(file_name, page_index):
    source_doc = fitz.open(file_name)
    target_doc = fitz.open()
    # 仅插入指定页，自动关联必要资源
    target_doc.insert_pdf(source_doc, from_page=page_index, to_page=page_index)
    # 最高等级冗余清理+全量压缩
    target_doc.save(
        f"output_page{page_index}.pdf",
        garbage=4,
        deflate=True,
        deflate_images=True,
        deflate_fonts=True
    )
    target_doc.close()
    source_doc.close()

常规场景下该方案输出的单页体积约为原文件的1/N（N为原PDF总页数），比优化后的PyPDF2输出体积小30%~70%，且不会出现文件损坏、内容丢失的问题。

• 若个别单页拆分后体积仍偏大，优先检查该页是否本身嵌入了高分辨率图片、完整字体集，属于正常情况
• 不建议通过修改PyPDF2私有方法的方式裁剪资源，版本迭代后极易失效，还可能导致输出PDF无法打开
• 压缩时不要盲目调低图片质量，避免出现文字模糊、打印失真问题

内容的提问来源于stack exchange，提问作者Yaron Gertel