Fusionner des PDF de manière récursive à l'aide de Python

Introduction

Fusionner plusieurs fichiers PDF en un seul document peut être une tâche fastidieuse, surtout si les fichiers sont répartis dans plusieurs répertoires. Avec Python, cette tâche devient transparente et automatisée. Dans ce didacticiel, nous allons créer un outil d'interface de ligne de commande (CLI) à l'aide de PyPDF2 et cliquer pour fusionner tous les fichiers PDF dans un répertoire (y compris ses sous-répertoires), tout en excluant les répertoires spécifiques comme .venv et .git.

---

Conditions préalables

Avant de commencer, assurez-vous d'avoir les éléments suivants :

1. Python : version 3.7 ou supérieure.
2. pip : le gestionnaire de paquets de Python.

3. Bibliothèques requises :

   • Installez PyPDF2 pour la manipulation de PDF :

    pip install PyPDF2
   

• Installer, cliquez pour créer la CLI :
  

   pip install click
  

---

Procédure pas à pas du code

Voici le code complet de notre outil CLI :

import click
from pathlib import Path
from PyPDF2 import PdfMerger
import os

EXCLUDED_DIRS = {".venv", ".git"}

@click.command()
@click.argument("directory", type=click.Path(exists=True, file_okay=False, path_type=Path))
@click.argument("output_file", type=click.Path(dir_okay=False, writable=True, path_type=Path))
def merge_pdfs(directory: Path, output_file: Path):
    """
    Merge all PDF files from DIRECTORY and its subdirectories into OUTPUT_FILE,
    excluding specified directories like .venv and .git.
    """
    # Initialize the PdfMerger
    merger = PdfMerger()

    # Walk through the directory tree, including the base directory
    for root, dirs, files in os.walk(directory):
        # Exclude specific directories
        dirs[:] = [d for d in dirs if d not in EXCLUDED_DIRS]

        # Convert the root to a Path object
        current_dir = Path(root)

        click.echo(f"Processing directory: {current_dir}")

        # Collect PDF files in the current directory
        pdf_files = sorted(current_dir.glob("*.pdf"))

        if not pdf_files:
            click.echo(f"No PDF files found in {current_dir}")
            continue

        # Add PDF files from the current directory
        for pdf in pdf_files:
            click.echo(f"Adding {pdf}...")
            merger.append(str(pdf))

    # Write the merged output file
    output_file.parent.mkdir(parents=True, exist_ok=True)
    merger.write(str(output_file))
    merger.close()

    click.echo(f"All PDFs merged into {output_file}")

if __name__ == "__main__":
    merge_pdfs()

---

Comment ça marche

1. Parcours de répertoire :

   • La fonction os.walk() parcourt récursivement le répertoire spécifié.
   • Les répertoires spécifiques (par exemple, .venv, .git) sont exclus à l'aide d'un filtre sur les répertoires.

2. Collection de fichiers PDF :

   • Le current_dir.glob("*.pdf") collecte tous les fichiers PDF du répertoire courant.

3. Fusionner des PDF :

   • PdfMerger de PyPDF2 est utilisé pour ajouter tous les PDF.
   • La sortie fusionnée est écrite dans le fichier spécifié.

4. Intégration CLI :

   • La bibliothèque Click facilite la fourniture de chemins de répertoire et de fichiers de sortie comme arguments.

---

Exécution de l'outil

Enregistrez le code dans un fichier, par exemple merge_pdfs.py. Exécutez-le depuis le terminal comme suit :

python merge_pdfs.py /path/to/directory /path/to/output.pdf

Exemple

Supposons que vous ayez la structure de répertoires suivante :

/documents
├── file1.pdf
├── subdir1
│   ├── file2.pdf
├── subdir2
│   ├── file3.pdf
├── .git
│   ├── ignored_file.pdf

Exécutez l'outil comme suit :

python merge_pdfs.py /documents /merged.pdf

Cela fusionnera file1.pdf, file2.pdf et file3.pdf enmerged.pdf, en ignorant .git.

---

Caractéristiques

1. Fusion récursive :

   • L'outil inclut automatiquement les PDF de tous les sous-répertoires.

2. Exclusions d'annuaire :

   • Exclut les répertoires comme .venv et .git pour éviter les fichiers non pertinents.

3. Fusion triée :

   • Veille à ce que les PDF soient ajoutés dans un ordre trié pour des résultats cohérents.

4. Simplicité CLI :

   • Fournit une interface intuitive permettant aux utilisateurs de spécifier les chemins d'entrée et de sortie.

---

Remarques et limites

1. Fichiers volumineux :

   • La fusion d'un grand nombre de PDF peut consommer une mémoire importante. Testez d'abord avec des ensembles de données plus petits.

2. Compatibilité PDF :

   • Assurez-vous que tous les PDF d'entrée sont valides et non corrompus.

3. Exclusions personnalisées :

   • Modifiez l'ensemble EXCLUDED_DIRS pour exclure des répertoires supplémentaires si nécessaire.

---

Conclusion

Ce tutoriel montre comment automatiser la fusion de PDF à partir d'une structure de répertoires à l'aide de Python. L'outil CLI fourni est flexible et peut être adapté à des flux de travail plus complexes. Essayez-le et dites-nous comment cela fonctionne pour vous !

Bon codage ! ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!