· 喵窝资源铺
交材料最常见的截取活：平台只要合同第 1、2 页（不要签字页），几十份文件一个个「打印 → 选页 → 另存 PDF」点到眼花。这篇用 pypdf 批量把每个 PDF 的指定页抽出来另存，页码支持区间+单页混合（1-2,4），加密/损坏/锁文件逐条报告不中断。代码实跑验证，真实输出贴在下面，坑也是实跑踩出来的。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""批量从PDF提取指定页另存：pypdf实现，扩展名大小写都认，
加密/损坏/锁文件/非PDF逐条报告，同名不覆盖"""
import os, sys
from pypdf import PdfReader, PdfWriter
SRC = sys.argv[1] if len(sys.argv) > 1 else "."
PICK = sys.argv[2] if len(sys.argv) > 2 else "1-2,4" # 页码，1起始，支持区间
OUT = sys.argv[3] if len(sys.argv) > 3 else os.path.join(SRC, "picked")
os.makedirs(OUT, exist_ok=True)
pages = set()
for part in PICK.split(","):
part = part.strip()
if not part: continue
if "-" in part:
a, b = part.split("-", 1); pages.update(range(int(a), int(b)+1))
else:
pages.add(int(part))
done, skipped = [], []
for f in sorted(os.listdir(SRC)):
p = os.path.join(SRC, f)
if not os.path.isfile(p):
continue # 不递归，防输出目录套娃
if f.startswith("~$"):
skipped.append((f, "Office锁文件")); continue
if not f.lower().endswith(".pdf"):
skipped.append((f, "非PDF")); continue
stem = f[:-4]
tag = PICK.replace(" ", "")
dst = os.path.join(OUT, stem + "_p" + tag + ".pdf")
if os.path.exists(dst):
skipped.append((f, "目标已存在，不覆盖")); continue
if os.path.exists(os.path.join(OUT, stem.lower() + "_p" + tag + ".pdf")) \
or os.path.exists(os.path.join(OUT, stem.upper() + "_p" + tag + ".pdf")):
skipped.append((f, "存在仅大小写不同的同名产物(Windows解压丢大小写)，不覆盖")); continue
try:
r = PdfReader(p)
if r.is_encrypted:
try:
r.decrypt("") # 先试空密码（很多只设了权限密码）
except Exception:
skipped.append((f, "已加密，需密码，转人工")); continue
if r.is_encrypted:
skipped.append((f, "已加密，空密码解不开，转人工")); continue
n = len(r.pages)
hit = sorted(x for x in pages if 1 <= x <= n)
if not hit:
skipped.append((f, f"无命中页(共{n}页)")); continue
w = PdfWriter()
for x in hit:
w.add_page(r.pages[x-1])
if len(hit) < len(pages):
skipped.append((f + f"(共{n}页)", f"页码超范围已略去{sorted(set(pages)-set(hit))}"))
with open(dst, "wb") as fh:
w.write(fh)
done.append((f, os.path.basename(dst), f"第{hit}页/共{n}页"))
except Exception as e:
skipped.append((f, "读取失败: " + str(e)[:60]))
print(f"共提取 {len(done)} 个，跳过 {len(skipped)} 个（选定页 {PICK}）")
for f, d, note in done: print(f" [出] {f} -> {d} ({note})")
for f, why in skipped: print(f" [跳] {f}: {why}")
用法：python3 pdf_pick_pages.py 目录 '1-2,4'，第三个参数可指定输出目录（默认 目录/picked/）。依赖 pip install pypdf。
测试集 7 个文件：3 页中文合同《合同A.pdf》（soffice 转 3 个单页 txt 后合并而来）、同词干大写扩展名的《合同A.PDF》（2 页封面目录）、带密码的《机密文件.pdf》（pypdf 加密，密码 secret）、3 字节坏的《损坏文件.pdf》、Word 锁文件 ~$合同A.pdf、说明.txt。跑 python3 pdf_pick_pages.py pdf_test '1-2,4'：
共提取 1 个，跳过 6 个（选定页 1-2,4） [出] 合同A.PDF -> 合同A_p1-2,4.pdf (第[1, 2]页/共2页) [跳] ~$合同A.pdf: Office锁文件 [跳] 合同A.PDF(共2页): 页码超范围已略去[4] [跳] 合同A.pdf: 目标已存在，不覆盖 [跳] 损坏文件.pdf: 读取失败: Stream has ended unexpectedly [跳] 机密文件.pdf: 已加密，空密码解不开，转人工 [跳] 说明.txt: 非PDF
产物用 pdftotext 抽文本核对：封面 COVER｜目录 TOC——正是《合同A.PDF》的第 1、2 页，中文无乱码、页序正确。加密和损坏的文件没有让脚本崩掉，各自带原因进了跳过清单。
第二遍再跑：共提取 0 个，跳过 6 个——产物同名全部「目标已存在，不覆盖」，幂等 ✅。
.pdf 和 .PDF 同词干两个文件，产物同名互相覆盖。实跑复现：目录里同时有《合同A.pdf》（3 页正文）和《合同A.PDF》（2 页封面），f[:-4] 对两种扩展名都会切出词干 合同A，转出来的都是 合同A_p1-2,4.pdf——谁后写谁赢，另一份内容无声消失。Windows 上把文件解压给别人时大小写还不保真，接收方两个重名文件直接变一个。修复：写产物前用 lower()/upper() 查一遍已存在的大小写变体，命中就跳过并明说原因。这也是为什么实跑里被提取的是《合同A.PDF》而不是 3 页那份——sorted() 按 .P<.p 排序，大写的先到先得。for x in pages: add_page(r.pages[x-1])，遇到 2 页文件选 1-2,4，第 4 页直接 IndexError 崩；改 catch 之后又是另一种坏：抽出来的文件悄悄少页，交出去才发现。修复：先按 len(r.pages) 过滤命中页，缺的明确打印「页码超范围已略去[4]」，让人知道这份产物不完整。PdfReader 照样报 is_encrypted，不处理就抛异常。修复：decrypt("") 先试空密码（权限密码场景直接解开继续干活），解不开才标「已加密，转人工」跳过——绝不因一个加密文件报废整批。PdfReader 调用放在循环级 try 外面（或干脆不 catch），3 字节的坏 PDF 抛 Stream has ended unexpectedly，后面几十份好文件全都不处理了。修复：每个文件独立 try，坏文件带原因进 skipped，批处理永不为单个文件中断。a-b 含首尾。← 返回喵窝资源铺 · 相关：纯 Python 版 Word 批量转 PDF · 相关：重复文件按内容 MD5 检测清理