← 返回工具清单 ｜ 首页

Python 批量合并 PDF + 按原文件拆分还原

2026-10-09 · 本文所有输出均为作者在本机真实运行结果

报销季最常见的两件事：一是把十几张发票 PDF 合并成一个交上去；二是交完之后财务说"麻烦按每张发票拆回单独文件"，而原文件已经被你删了、只剩那个大 PDF。手动拖拽既慢又容易错页。这篇把两个方向一次写清：合并 和 按页数拆回。

为什么"拆"比"合"更容易翻车

合并只是页的堆叠，无序无脑。难的是拆——你必须知道"哪些页属于哪份原文件"。有两种可靠依据：按已知页数切（你要先记录每份文件几页），或者 按书签/分隔页切。本文先给最通用的按页数切法，附完整可跑脚本。

完整脚本（pypdf）

from pypdf import PdfWriter, PdfReader
import json

def merge(files, out="merged.pdf"):
    w = PdfWriter()
    counts = []
    for f in files:
        r = PdfReader(f)
        for pg in r.pages:
            w.add_page(pg)
        counts.append(len(r.pages))          # 记录每份的页数，拆回时要用
    w.write(out)
    return counts

def split_by_counts(src, counts, names, out_dir="out"):
    import os
    os.makedirs(out_dir, exist_ok=True)
    r = PdfReader(src)
    start = 0
    for name, cnt in zip(names, counts):
        w = PdfWriter()
        for pg in r.pages[start:start + cnt]:
            w.add_page(pg)
        w.write(os.path.join(out_dir, name))
        start += cnt

counts = merge(["发票-1.pdf", "发票-2.pdf", "发票-3.pdf"])
print("每份页数:", counts)

实测：3 份共 9 页，合了再拆，逐页对齐

测试文件页数分别是 2、3、4 页，合并后总页数 9。按 counts 拆回后逐页检查内容：

made: ['发票-1.pdf', '发票-2.pdf', '发票-3.pdf']
merged pages: 9
split pages: 9
page1 text: ■■■■ 1
page2 text: doc1 page2
page4 text: doc2 page2

第 1 页来自原文件 1、第 2 页是原文件 1 的第 2 页、第 4 页正好是"文件 2 的第 2 页"——说明切的边界完全对上了（2 页 + 3 页 + 4 页）。第 1 页中文显示成方块是 reportlab 测试字体缺中文所致，与你合并的真实文件无关。

拆页的两个前提（否则会错页）

• 必须记录页数：merge 时顺手把 counts 存下来（或写进 JSON）。等你拿到一个来源不明的合并 PDF 才想拆，就只能靠书签或分隔页了。
• 顺序敏感：split_by_counts 里的 names 必须和 counts 同序。zip 会静默按最短截断——两边长度不一致时不报错，直接少拆一个文件。

3 个真坑

• merge 别直接读同一份文件两次：如果你把 w.add_page(pg) 的 pg 在多个 writer 之间复用，pypdf 会因页对象被"收养"报错。每次循环重新 PdfReader(f) 最稳。
• 加密 PDF：有打开密码的 PDF，PdfReader(f) 之后要先 .decrypt(pw)，否则 .pages 直接抛 FileNotDecryptedError。授权密码（只读锁）跟打开密码是两回事，别混。
• 页码从 0 开始：pypdf 的 r.pages[0] 是第 1 页。按"人类页码"切的时候务必减 1，否则整体错一页——这类错误在 9 页文件里肉眼很难发现。