1. 项目背景与核心功能去年接手公司档案数字化项目时我每天要处理上百份PDF文档。从扫描件整理到合同归档经常遇到需要合并多个PDF、拆分大文件、或者把扫描的图片转成PDF的情况。市面上虽然有不少PDF工具但要么功能分散需要切换多个软件要么带有烦人的广告和水印。于是我用PythonTkinter开发了这个轻量级PDF工具箱整合了最常用的三个刚需功能智能合并支持拖拽排序、自定义页面范围合并精准拆分可按页数、书签或固定间隔拆分图片转PDF自动识别常见图片格式并优化排版这个工具后来成了我们部门的效率神器今天把完整代码和实现思路分享给大家。所有功能都采用PyPDF2和Pillow这两个经典库实现无需依赖第三方API保证数据隐私安全。2. 技术实现详解2.1 开发环境搭建推荐使用Python 3.8环境主要依赖库版本pip install PyPDF22.11.1 pillow9.2.0为什么选择这两个库PyPDF2纯Python实现的PDF处理库不依赖外部二进制文件Pillow支持JPEG/PNG等20图片格式的万能处理库注意避免使用pdfkit等需要wkhtmltopdf的库后者需要额外安装二进制依赖2.2 合并功能实现核心代码结构from PyPDF2 import PdfMerger def merge_pdfs(output_path, input_files, page_rangesNone): merger PdfMerger() for file in input_files: if page_ranges and file in page_ranges: merger.append(file, pagespage_ranges[file]) else: merger.append(file) merger.write(output_path)关键技术点支持pages参数指定页码范围格式为(start, end[, step])通过strictFalse参数兼容部分非标准PDF文件内存优化采用流式写入而非全加载到内存2.3 拆分功能设计提供三种拆分模式按页数拆分每N页生成新文件按书签拆分自动识别目录结构手动选择页面交互式选择拆分点# 按页数拆分示例 from PyPDF2 import PdfReader, PdfWriter def split_by_page_interval(input_file, output_prefix, interval): reader PdfReader(input_file) for i in range(0, len(reader.pages), interval): writer PdfWriter() for page in reader.pages[i:iinterval]: writer.add_page(page) with open(f{output_prefix}_{i//interval1}.pdf, wb) as f: writer.write(f)2.4 图片转PDF优化常见问题解决方案方向错乱通过EXIF信息自动旋转尺寸不一统一缩放为A4比例画质损失采用无损压缩算法from PIL import Image from reportlab.pdfgen import canvas from io import BytesIO def images_to_pdf(output_path, image_files, dpi300): c canvas.Canvas(output_path) for img_path in image_files: img Image.open(img_path) width, height img.size # 转换为PDF尺寸72DPI基准 pdf_width width * 72 / dpi pdf_height height * 72 / dpi img_io BytesIO() img.save(img_io, formatJPEG, quality95) c.setPageSize((pdf_width, pdf_height)) c.drawImage(img_io, 0, 0, pdf_width, pdf_height) c.showPage() c.save()3. 图形界面开发3.1 Tkinter布局技巧采用Notebook实现多标签页import tkinter as tk from tkinter import ttk root tk.Tk() notebook ttk.Notebook(root) # 添加功能标签页 merge_tab ttk.Frame(notebook) split_tab ttk.Frame(notebook) img2pdf_tab ttk.Frame(notebook) notebook.add(merge_tab, text合并PDF) notebook.add(split_tab, text拆分PDF) notebook.add(img2pdf_tab, text图片转PDF)3.2 拖拽排序实现使用Listbox拖拽事件def drag_start(event): widget event.widget widget._drag_data {index: widget.nearest(event.y)} def drag_motion(event): widget event.widget y widget.nearest(event.y) if y ! widget._drag_data[index]: widget._drag_data[index] y widget.selection_clear(0, tk.END) widget.selection_set(y) listbox tk.Listbox(tab) listbox.bind(ListboxSelect, update_preview) listbox.bind(Button-1, drag_start) listbox.bind(B1-Motion, drag_motion)4. 性能优化方案4.1 大文件处理策略采用分块读取技术def process_large_file(filepath): with open(filepath, rb) as f: reader PdfReader(f) for page in reader.pages: # 逐页处理逻辑 yield process_page(page)4.2 多线程处理使用ThreadPoolExecutor避免界面冻结from concurrent.futures import ThreadPoolExecutor def start_task(): with ThreadPoolExecutor() as executor: future executor.submit( process_function, params ) future.add_done_callback(on_complete)5. 常见问题排查5.1 加密文件处理添加密码识别逻辑reader PdfReader(file) if reader.is_encrypted: try: reader.decrypt() except: show_error(需要密码才能打开此PDF)5.2 版本兼容问题处理PDF版本冲突writer PdfWriter() writer.add_metadata(reader.metadata) writer.add_page(reader.pages[0]) # 强制降级为PDF 1.4版本 with open(output, wb) as f: writer.write(f, version1.4)6. 打包与分发使用PyInstaller生成单文件exepyinstaller --onefile --windowed --iconapp.ico pdf_toolkit.py经验添加--add-data参数打包字体文件避免系统字体缺失问题7. 扩展功能建议OCR集成用pytesseract识别扫描件文字批量重命名基于内容自动生成文件名PDF/A转换生成长期归档格式完整代码已上传GitHub仓库包含详细注释和示例文件。这个项目给我的启示是用200行核心代码好的交互设计就能打造出比商业软件更趁手的效率工具。 
长河君 · 2026/10/14 12:22:49 · 阅读 1.2k Python开发轻量级PDF工具箱：合并、拆分与图片转PDF
1. 项目背景与核心功能去年接手公司档案数字化项目时我每天要处理上百份PDF文档。从扫描件整理到合同归档经常遇到需要合并多个PDF、拆分大文件、或者把扫描的图片转成PDF的情况。市面上虽然有不少PDF工具但要么功能分散需要切换多个软件要么带有烦人的广告和水印。于是我用PythonTkinter开发了这个轻量级PDF工具箱整合了最常用的三个刚需功能智能合并支持拖拽排序、自定义页面范围合并精准拆分可按页数、书签或固定间隔拆分图片转PDF自动识别常见图片格式并优化排版这个工具后来成了我们部门的效率神器今天把完整代码和实现思路分享给大家。所有功能都采用PyPDF2和Pillow这两个经典库实现无需依赖第三方API保证数据隐私安全。2. 技术实现详解2.1 开发环境搭建推荐使用Python 3.8环境主要依赖库版本pip install PyPDF22.11.1 pillow9.2.0为什么选择这两个库PyPDF2纯Python实现的PDF处理库不依赖外部二进制文件Pillow支持JPEG/PNG等20图片格式的万能处理库注意避免使用pdfkit等需要wkhtmltopdf的库后者需要额外安装二进制依赖2.2 合并功能实现核心代码结构from PyPDF2 import PdfMerger def merge_pdfs(output_path, input_files, page_rangesNone): merger PdfMerger() for file in input_files: if page_ranges and file in page_ranges: merger.append(file, pagespage_ranges[file]) else: merger.append(file) merger.write(output_path)关键技术点支持pages参数指定页码范围格式为(start, end[, step])通过strictFalse参数兼容部分非标准PDF文件内存优化采用流式写入而非全加载到内存2.3 拆分功能设计提供三种拆分模式按页数拆分每N页生成新文件按书签拆分自动识别目录结构手动选择页面交互式选择拆分点# 按页数拆分示例 from PyPDF2 import PdfReader, PdfWriter def split_by_page_interval(input_file, output_prefix, interval): reader PdfReader(input_file) for i in range(0, len(reader.pages), interval): writer PdfWriter() for page in reader.pages[i:iinterval]: writer.add_page(page) with open(f{output_prefix}_{i//interval1}.pdf, wb) as f: writer.write(f)2.4 图片转PDF优化常见问题解决方案方向错乱通过EXIF信息自动旋转尺寸不一统一缩放为A4比例画质损失采用无损压缩算法from PIL import Image from reportlab.pdfgen import canvas from io import BytesIO def images_to_pdf(output_path, image_files, dpi300): c canvas.Canvas(output_path) for img_path in image_files: img Image.open(img_path) width, height img.size # 转换为PDF尺寸72DPI基准 pdf_width width * 72 / dpi pdf_height height * 72 / dpi img_io BytesIO() img.save(img_io, formatJPEG, quality95) c.setPageSize((pdf_width, pdf_height)) c.drawImage(img_io, 0, 0, pdf_width, pdf_height) c.showPage() c.save()3. 图形界面开发3.1 Tkinter布局技巧采用Notebook实现多标签页import tkinter as tk from tkinter import ttk root tk.Tk() notebook ttk.Notebook(root) # 添加功能标签页 merge_tab ttk.Frame(notebook) split_tab ttk.Frame(notebook) img2pdf_tab ttk.Frame(notebook) notebook.add(merge_tab, text合并PDF) notebook.add(split_tab, text拆分PDF) notebook.add(img2pdf_tab, text图片转PDF)3.2 拖拽排序实现使用Listbox拖拽事件def drag_start(event): widget event.widget widget._drag_data {index: widget.nearest(event.y)} def drag_motion(event): widget event.widget y widget.nearest(event.y) if y ! widget._drag_data[index]: widget._drag_data[index] y widget.selection_clear(0, tk.END) widget.selection_set(y) listbox tk.Listbox(tab) listbox.bind(ListboxSelect, update_preview) listbox.bind(Button-1, drag_start) listbox.bind(B1-Motion, drag_motion)4. 性能优化方案4.1 大文件处理策略采用分块读取技术def process_large_file(filepath): with open(filepath, rb) as f: reader PdfReader(f) for page in reader.pages: # 逐页处理逻辑 yield process_page(page)4.2 多线程处理使用ThreadPoolExecutor避免界面冻结from concurrent.futures import ThreadPoolExecutor def start_task(): with ThreadPoolExecutor() as executor: future executor.submit( process_function, params ) future.add_done_callback(on_complete)5. 常见问题排查5.1 加密文件处理添加密码识别逻辑reader PdfReader(file) if reader.is_encrypted: try: reader.decrypt() except: show_error(需要密码才能打开此PDF)5.2 版本兼容问题处理PDF版本冲突writer PdfWriter() writer.add_metadata(reader.metadata) writer.add_page(reader.pages[0]) # 强制降级为PDF 1.4版本 with open(output, wb) as f: writer.write(f, version1.4)6. 打包与分发使用PyInstaller生成单文件exepyinstaller --onefile --windowed --iconapp.ico pdf_toolkit.py经验添加--add-data参数打包字体文件避免系统字体缺失问题7. 扩展功能建议OCR集成用pytesseract识别扫描件文字批量重命名基于内容自动生成文件名PDF/A转换生成长期归档格式完整代码已上传GitHub仓库包含详细注释和示例文件。这个项目给我的启示是用200行核心代码好的交互设计就能打造出比商业软件更趁手的效率工具。