合并pdf文件带书签代码（利用python的PyPDF2，并解决PyPDF2 编码问题'latin-1'和PyPDF2报错：PdfReadError: EOF marker not found）

1.文件准备：

先将扫描的pdf文件，每一章放到一个文件夹中，文件夹名字用章节名命名。

这样最终程序就能将章节名作为书签了，而不是默认将每页都生成书签。

【最新代码，更新PyPDF2后可用】用的3.8的python 2023.1.25更新

# -*- coding: utf-8 -*-
''' 本脚本用来合并pdf文件，支持带一级子目录的 每章内容分别放在不同的目录下，目录名为章节名 最终生成的pdf，按章节名生成书签 '''

import os import sys import codecs from PyPDF2 import PdfReader, PdfFileWriter, PdfMerger import glob def getFileName(filepath): ''' 获取当前目录下的所有pdf文件 ''' file_list = glob.glob(filepath + "/*.pdf") # 默认安装字典序排序，也可以安装自定义的方式排序
    # file_list.sort()
    return file_list def get_dirs(filepath='', dirlist_out=[], dirpathlist_out=[]): # 遍历filepath下的所有目录
    for dir in os.listdir(filepath): dirpathlist_out.append(filepath + '\\' + dir) return dirpathlist_out def merge_childdir_files(path): ''' 每个子目录下合并生成一个pdf ''' dirpathlist = get_dirs(path) if len(dirpathlist) == 0: print("当前目录不存在子目录") sys.exit() for dir in dirpathlist: mergefiles(dir, dir) def mergefiles(path, output_filename, import_outline=False): # 遍历目录下的所有pdf将其合并输出到一个pdf文件中，输出的pdf文件默认带书签，书签名为之前的文件名
    # 默认情况下原始文件的书签不会导入，使用import_outline=True可以将原文件所带的书签也导入到输出的pdf文件中
    merger = PdfMerger() filelist = getFileName(path) if len(filelist) == 0: print("当前目录及子目录下不存在pdf文件") sys.exit() for filename in filelist: f = codecs.open(filename, 'rb') file_rd = PdfReader(f) short_filename = os.path.basename(os.path.splitext(filename)[0]) if file_rd.is_encrypted == True: print('不支持的加密文件：%s' % (filename)) continue merger.append(file_rd, outline_item=short_filename, import_outline=import_outline) print('合并文件：%s' % (filename)) f.close() # out_filename = os.path.join(os.path.abspath(path), output_filename)
    merger.write(output_filename + ".pdf") print('合并后的输出文件：%s' % (output_filename)) merger.close() if __name__ == "__main__": # 每个章节一个子目录，先分别合并每个子目录文件为一个pdf，然后再将这些pdf合并为一个大的pdf，这样做目的是想生成每个章节的书签

    # 1.指定目录
    # 原始pdf所在目录（自行修改）
    path = "D:\信号与系统"
    # 输出pdf路径和文件名（自行修改）
    output_filename = "D:\信号与系统"

    # 2.生成子目录的pdf
    # merge_childdir_files(path)

    # 3.子目录pdf合并为总的pdf
    mergefiles(path, output_filename)

 

 2.程序代码

代码运行环境：python310

根据文件和文件夹所在位置改下面荧光黄的代码部分即可

# -*- coding: utf-8 -*-''' 本脚本用来合并pdf文件，支持带一级子目录的 每章内容分别放在不同的目录下，目录名为章节名 最终生成的pdf，按章节名生成书签 '''
import os import sys import codecs from PyPDF2 import PdfFileReader, PdfFileWriter, PdfFileMerger import glob def getFileName(filepath): ''' 获取当前目录下的所有pdf文件 ''' file_list = glob.glob(filepath + "/*.pdf") # 默认安装字典序排序，也可以安装自定义的方式排序
    # file_list.sort()
    return file_list def get_dirs(filepath='', dirlist_out=[], dirpathlist_out=[]): # 遍历filepath下的所有目录
    for dir in os.listdir(filepath): dirpathlist_out.append(filepath + '\\' + dir) return dirpathlist_out def merge_childdir_files(path): ''' 每个子目录下合并生成一个pdf ''' dirpathlist = get_dirs(path) if len(dirpathlist) == 0: print("当前目录不存在子目录") sys.exit() for dir in dirpathlist: mergefiles(dir, dir) def mergefiles(path, output_filename, import_bookmarks=False): # 遍历目录下的所有pdf将其合并输出到一个pdf文件中，输出的pdf文件默认带书签，书签名为之前的文件名
    # 默认情况下原始文件的书签不会导入，使用import_bookmarks=True可以将原文件所带的书签也导入到输出的pdf文件中
    merger = PdfFileMerger() filelist = getFileName(path) if len(filelist) == 0: print("当前目录及子目录下不存在pdf文件") sys.exit() for filename in filelist: f = codecs.open(filename, 'rb') file_rd = PdfFileReader(f) short_filename = os.path.basename(os.path.splitext(filename)[0]) if file_rd.isEncrypted == True: print('不支持的加密文件：%s' % (filename)) continue merger.append(file_rd, bookmark=short_filename, import_bookmarks=import_bookmarks) print('合并文件：%s' % (filename)) f.close() # out_filename = os.path.join(os.path.abspath(path), output_filename)
    merger.write(output_filename + ".pdf") print('合并后的输出文件：%s' % (output_filename)) merger.close() if __name__ == "__main__": # 每个章节一个子目录，先分别合并每个子目录文件为一个pdf，然后再将这些pdf合并为一个大的pdf，这样做目的是想生成每个章节的书签

    # 1.指定目录
    # 原始pdf所在目录
    path = "D:\VScode\python-automate\pdf\第 01 章 电路模型与基本定律"
    # 输出pdf路径和文件名
    output_filename = "D:\VScode\python-automate\pdf\第 01 章 电路模型与基本定律"

    # 2.生成子目录的pdf
    # merge_childdir_files(path)

    # 3.子目录pdf合并为总的pdf
 mergefiles(path, output_filename) 

 

3.进一步合成

 

此时目标路径会出现上述文件，若代码运行成功后打开pdf无异常则表示第一章pdf已经合并好
且有每个文件名的标签，接下来只需要对每个章节再次进行合并即可（很可惜我把所有章节合并后subtitle消失了）

合并完第一章合并完全部

 

 4.可能出现的问题

①PyPDF2 编码问题'latin-1' codec can't encode characters in position 8-11: ordinal not in range(256)

通常这情况是出现了中文字符编码

解决方法

1、修改pypdf2包中的generic.py文件

我的目录是c:\……python310\Lib\site-packages\PyPDF2\generic.py

1）generic.py文件第488行原文

try: return NameObject(name.decode('utf-8'))
　　except (UnicodeEncodeError, UnicodeDecodeError) as e: # Name objects should represent irregular characters
   # with a '#' followed by the symbol's hex number
   if not pdf.strict: warnings.warn("Illegal character in Name Object", utils.PdfReadWarning) return NameObject(name) else: raise utils.PdfReadError("Illegal character in Name Object")

改成

try: return NameObject(name.decode('utf-8')) except (UnicodeEncodeError, UnicodeDecodeError) as e: try: return NameObject(name.decode('gbk')) except (UnicodeEncodeError, UnicodeDecodeError) as e: # Name objects should represent irregular characters
         # with a '#' followed by the symbol's hex number
         if not pdf.strict: warnings.warn("Illegal character in Name Object", utils.PdfReadWarning) return NameObject(name) else: raise utils.PdfReadError("Illegal character in Name Object")

以及
2）修改pypdf2包中的utils.py文件
utils.py238行原文

r = s.encode('latin-1') if len(s) < 2: bc[s] = r return r

改成

try: r = s.encode('latin-1') if len(s) < 2: bc[s] = r return r except Exception as e: print(s) r = s.encode('utf-8') if len(s) < 2: bc[s] = r return r

②PyPDF2报错：PdfReadError: EOF marker not found
查到的解决方法有
1）把文件复制到别的文件夹
2）打开文件再重新保存
3）（我自己）打开pdf发现有些pdf打开失败于是重新合成

参考：

————————————————
版权声明：本文为CSDN博主「huahuazhu」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：使用python合并pdf文件带书签_huahuazhu的博客-CSDN博客_python 合并pdf

版权声明：本文为CSDN博主「小羊瓜瓜的博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：PyPDF2 编码问题'latin-1' codec can't encode characters in position 8-11: ordinal not in range(256)