使用Python+Reportlab/PyPDF2生成PDF时文本重复问题求助

你遇到的这个问题其实很典型——核心原因是你在循环里一直复用同一个基础PDF对象bp，而不是每次循环都创建独立的副本。

问题根源拆解 #

当你在main里调用readPDF()拿到bp后，每次循环调用bp.getPage(1)获取的是原PDF第二页的引用，而不是新的页面副本。你执行secondPage.mergePage(textPage)时，是直接修改了bp对象里的第二页内容。循环到第二次时，bp的第二页已经是第一次修改后的状态了，再合并新的文本自然就会叠加之前的内容。

你手动删除pdfOperations里的局部对象根本没用，因为bp是在main函数里创建的、跨循环存在的对象，它一直被引用着，所有修改都会被保留下来，垃圾回收不会清理它。

解决方案 #

要解决这个问题，关键是让每次循环都操作独立的基础PDF副本，而不是复用同一个对象。这里有两种可行的方式：

1. 每次循环复制内存中的基础PDF对象

在pdfOperations里，基于传入的原始bp创建一个新的副本，这样每次操作的都是独立的文档：

import io
from PyPDF2 import PdfFileReader
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

def pdfOperations(row, original_bp):
    # 将原始PDF的字节内容读取为新的PDF对象，生成独立副本
    bp = PdfFileReader(io.BytesIO(original_bp.getBytes()))
    
    packet = io.BytesIO()
    can = canvas.Canvas(packet, pagesize=letter)
    createText(row, can)
    packet.seek(0)
    
    new_pdf = PdfFileReader(packet)
    textPage = new_pdf.getPage(0)
    secondPage = bp.getPage(1)
    secondPage.mergePage(textPage)
    
    assemblePDF(bp.getPage(0), secondPage, row)

def main():
    df = openData()
    original_bp = readPDF()  # 只读取一次原始PDF
    for ind in df.index:
        row = df.loc[ind]
        pdfOperations(row, original_bp)

2. 检查assemblePDF函数的实现

另外还要确保assemblePDF每次都创建新的PdfFileWriter对象，而不是复用同一个writer——这也是容易导致内容叠加的坑：

from PyPDF2 import PdfFileWriter

def assemblePDF(front_page, second_page, row):
    # 每次都初始化新的Writer，避免内容累积
    writer = PdfFileWriter()
    writer.addPage(front_page)
    writer.addPage(second_page)
    
    # 用行数据里的唯一标识命名输出文件，比如id列
    output_filename = f"generated_{row['id']}.pdf"
    with open(output_filename, "wb") as out_file:
        writer.write(out_file)

总结 #

本质上就是要保证每次PDF生成操作都是完全独立的，不要让循环中的修改累积到同一个基础文档对象上。只要每次循环操作的是原始PDF的独立副本，文本叠加的问题就会消失。

内容的提问来源于stack exchange，提问作者Woody Pride