Быстрое объединение большого количества маленьких PDF-файлов

Question

Я на Windows 10. У меня есть 2000 PDF-файлов, каждый из которых имеет две или три страницы (с ровно одной пустой страницей) и имеет размер всего 40 ~ 50 КиБ, что в сумме составляет менее 100 МиБ. Я хочу объединить все страницы во всех файлах в один файл PDF. В настоящее время я использую Acrobat DC → Инструменты → Объединить файлы. Я перетаскиваю все файлы в инструмент и нажимаю старт. После некоторой оценки я обнаружил, что для этого требуется более 12 часов (ноутбук Core i7-4710HQ, 16 ГБ ОЗУ и SSD). Это довольно непрактично для меня. Есть ли более быстрый способ?

Answer 1

Если вы хотите использовать python, в этом предыдущем обсуждении обсуждается несколько сценариев python: https://stackoverflow.com/questions/3444645/merge-pdf-files

Благодаря тому, что библиотека Python PDF работает, все файлы открываются первыми, и только при записи выходного файла содержимое читается. Из-за этого следует ожидать высокого потребления памяти. Обходным путем будет разделить файлы на несколько папок.

Вы можете легко расширить этот сценарий, например, чтобы объединить все PDF-файлы в поддереве и всех его подпапках.

Эта программа поддерживает дополнительные флаги для подробного вывода и пропуска последней страницы каждого входного файла. Подстановочные знаки разрешены для шаблона входного файла.

from argparse import ArgumentParser
from glob import glob
from PyPDF2 import PdfFileReader, PdfFileWriter



def PDF_cat(files, output_filename, skiplastpage, verbose):
    # First open all the files, then produce the output file, and
    # finally close the input files. This is necessary because
    # the data isn't read from the input files until the write
    # operation. Thanks to
    # https://stackoverflow.com/questions/6773631/problem-with-closing-_
    #    python-pypdf-writing-getting-a-valueerror-i-o-operation/6773733

    writer = PdfFileWriter()
    skip = 1 if skiplastpage else 0

    # collect and open input files
    inp = [open(f,'rb') for f in glob(files) if f != output_filename]
    n = len(inp)
    print 'merging %d files' % n
    for i, fh in enumerate(inp, 1):
        reader = PdfFileReader(fh)
        for pg in range(reader.getNumPages() - skip):
            writer.addPage(reader.getPage(pg))
        if verbose: print '%d/%d %s' % (i, n, fh.name)

    print('writing output file...')
    with open(output_filename, 'wb') as fout:
        writer.write(fout)
    # finallly...
    for fh in inp:
        fh.close()

if __name__ == '__main__':
    parser = ArgumentParser()

    # add more options if you like
    parser.add_argument('-o', '--output',
                        dest='output_filename',
                        help='write merged PDF files to FILE',
                        metavar='FILE')
    parser.add_argument(dest='files',
                        help='PDF files to merge')
    parser.add_argument('-s', '--skiplastpage',
                        dest='skiplastpage',
                        action='store_true',
                        help='skip last page of each merged PDF')
    parser.add_argument('-v', '--verbose',
                        dest='verbose',
                        action='store_true',
                        help='show progress')
    parser.set_defaults(output_filename='mergedPDFs.pdf', files='.\*.pdf',
                        skiplastpage=False, verbose=False)

    args = parser.parse_args()
    PDF_cat(args.files, args.output_filename, args.skiplastpage, args.verbose)

Быстрый тест: объединение 501 идентичных PDF-файлов размером 91 КБ каждый заняло у моего ноутбука 61 с, а с помощью PDFtk.exe - 83 с. Выходные файлы не были одинакового размера, но отображались одинаково.

Answer 2

Есть и другие альтернативы Acrobat, которые вы можете попробовать. Эти инструменты могут вам как-то помочь.

1. PDFSam

• Объединять и разделять PDF-файл по заданным номерам страниц, по заданному уровню закладок или по файлам заданного размера
• Извлечение страниц из PDF
• Поворот файлов PDF, каждой страницы или только выбранных страниц
• Объединяйте PDF-файлы вместе, беря страницы поочередно из одного и другого.

2. PDFMerge

• Безопасное слияние и обработка файлов
• Предоставляет онлайн-платформу для объединения PDF-файлов
• Также доступна версия DEsktop

3. Pdftk

• Простой, но очень мощный инструментарий
• Поставляется с инструментом командной строки, который позволяет легко взаимодействовать с несколькими PDF-файлами в командной строке.

На данный момент я бы предложил вам использовать pdftk, так как это инструмент командной строки очень мощный и экономит массу времени и усилий.

Не стесняйтесь редактировать список с помощью любого другого инструмента.