Łączenie plików PDF w jeden plik w Pythonie

Podstawowe łączenie plików PDF

Biblioteka pypdf (wcześniej znana jako PyPDF2) to standardowe narzędzie do pracy z plikami PDF w Pythonie. Oferuje prosty interfejs do łączenia dokumentów, który sprawdza się zarówno w prostych, jak i bardziej złożonych scenariuszach. Najprostszy sposób łączenia plików PDF wygląda następująco:

Python
Kopiuj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from pypdf import PdfMerger
from pathlib import Path

def merge_pdfs(pdf_files: list[str], output_path: str):
    """Łączy wiele plików PDF w jeden dokument."""
    merger = PdfMerger()

    for pdf_file in pdf_files:
        merger.append(pdf_file)

    merger.write(output_path)
    merger.close()
    print(f"Połączono {len(pdf_files)} plików PDF w: {output_path}")

# Uruchomienie: łączenie trzech plików PDF
pdf_files = ["dokument1.pdf", "dokument2.pdf", "dokument3.pdf"]
merge_pdfs(pdf_files, "polaczony_dokument.pdf")

Batch merge z sortowaniem

W praktyce często musisz połączyć wszystkie pliki PDF znajdujące się w określonym katalogu. Zamiast ręcznie wybierać każdy plik, możesz zautomatyzować ten proces, przeszukując katalog i łącząc wszystkie znalezione dokumenty. Kluczowe jest tutaj odpowiednie sortowanie — dzięki niemu strony będą w logicznej kolejności. Oto jak to zrobić:

Python
Kopiuj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
from pypdf import PdfMerger
from pathlib import Path
import os

def batch_merge_pdfs(directory: str, output_path: str):
    """Łączy wszystkie pliki PDF z katalogu w kolejności alfabetycznej."""
    pdf_files = sorted([
        os.path.join(directory, f)
        for f in os.listdir(directory)
        if f.endswith('.pdf')
    ])

    if not pdf_files:
        print("Nie znaleziono plików PDF w katalogu.")
        return

    merger = PdfMerger()

    for pdf_file in pdf_files:
        print(f"Dodawanie: {pdf_file}")
        merger.append(pdf_file)

    merger.write(output_path)
    merger.close()
    print(f"\nPołączono {len(pdf_files)} plików PDF w: {output_path}")

# Uruchomienie: batch merge z katalogu
batch_merge_pdfs("./pliki_pdf/", "wszystkie_dokumenty.pdf")

Kontrola metadanych

Każdy plik PDF zawiera metadane — informacje o tytule, autorze, dacie utworzenia i innych właściwościach dokumentu. Podczas łączenia plików warto zadbać o to, aby wynikowy dokument miał odpowiednie metadane, które ułatwią późniejszą identyfikację i organizację. Biblioteka pypdf pozwala na łatwe zarządzanie tymi informacjami:

Python
Kopiuj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
from pypdf import PdfMerger

def merge_with_metadata(pdf_files: list[str], output_path: str, 
                         title: str = None, author: str = None):
    """Łączy pliki PDF z ustawieniem metadanych."""
    merger = PdfMerger()

    for pdf_file in pdf_files:
        merger.append(pdf_file)

    # Ustawienie metadanych
    if title or author:
        merger.add_metadata({
            "/Title": title or "Połączony dokument",
            "/Author": author or "Automatyzacja Python"
        })

    merger.write(output_path)
    merger.close()

merge_with_metadata(
    ["dok1.pdf", "dok2.pdf"],
    "wynik.pdf",
    title="Raport roczny 2024",
    author="System automatyzacji"
)

Wybór stron z każdego dokumentu

Nie zawsze potrzebujesz wszystkich stron z każdego dokumentu. Czasem chcesz wybrać tylko konkretne strony — na przykład pierwsze trzy strony z każdego raportu lub tylko strony z określonymi rozdziałami. Biblioteka pypdf pozwala na precyzyjne wybieranie stron podczas łączenia dokumentów:

Python
Kopiuj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
from pypdf import PdfMerger

def merge_specific_pages(pdf_files: dict, output_path: str):
    """
    Łączy wybrane strony z plików PDF.

    pdf_files: dict w formacie {ścieżka: [lista_stron]}
    Przykład: {"dok1.pdf": [1, 3, 5], "dok2.pdf": [1, 2]}
    """
    merger = PdfMerger()

    for pdf_file, pages in pdf_files.items():
        merger.append(pdf_file, pages=pages)

    merger.write(output_path)
    merger.close()

merge_specific_pages(
    {
        "dokument1.pdf": [1, 3, 5],
        "dokument2.pdf": [1, 2]
    },
    "wybrane_strony.pdf"
)

Obsługa błędów

W rzeczywistych scenariuszach automatyzacji musisz być przygotowany na sytuacje, gdy niektóre pliki mogą być uszkodzone, nieistniejące lub mieć nieprawidłowy format. Bez odpowiedniej obsługi błędów cały proces łączenia może się zatrzymać, a częściowo utworzony dokument zostanie uszkodzony. Oto jak zabezpieczyć swój kod przed takimi problemami:

Python
Kopiuj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
from pypdf import PdfMerger
from pathlib import Path

def safe_merge_pdfs(pdf_files: list[str], output_path: str):
    """Bezpieczne łączenie plików PDF z obsługą błędów."""
    merger = PdfMerger()
    successful = 0
    failed = []

    for pdf_file in pdf_files:
        if not Path(pdf_file).exists():
            print(f"Ostrzeżenie: Plik {pdf_file} nie istnieje. Pomijanie.")
            failed.append(pdf_file)
            continue

        try:
            merger.append(pdf_file)
            successful += 1
        except Exception as e:
            print(f"Błąd podczas dodawania {pdf_file}: {e}")
            failed.append(pdf_file)

    if successful > 0:
        merger.write(output_path)
        merger.close()
        print(f"\nSukces: Połączono {successful} plików PDF w: {output_path}")
        if failed:
            print(f"Nie udało się dodać {len(failed)} plików: {failed}")
    else:
        merger.close()
        print("Błąd: Nie udało się połączyć żadnych plików PDF.")

safe_merge_pdfs(
    ["dok1.pdf", "dok2.pdf", "nieistniejacy.pdf"],
    "bezpieczny_merge.pdf"
)

Podsumowanie

Łączenie plików PDF w Pythonie to proste zadanie dzięki bibliotece pypdf. Możesz:

• Łączyć wiele plików w jeden
• Automatycznie przetwarzać całe katalogi
• Kontrolować metadane wynikowego dokumentu
• Wybierać konkretne strony z każdego dokumentu
• Obsługiwać błędy bezpiecznie

To narzędzie doskonale sprawdza się w automatyzacji biurowej i przetwarzaniu dokumentów.

➡️ Następny artykuł

Po opanowaniu łączenia plików PDF, poznaj techniki ich rozdzielania i manipulacji stronami:

Rozdzielanie i scalanie stron PDF w Pythonie — wycinanie zakresów stron, dzielenie dokumentów na rozdziały i zaawansowane techniki organizacji dużych dokumentów PDF.