PyPDF2压缩

Question

我正在努力使用 PyPDF2 模块压缩合并后的 pdf。 这是我基于http://www.blog.pythonlibrary.org/2012/07/11/pypdf2-the-new-fork-of-pypdf/的尝试

import PyPDF2
path = open('path/to/hello.pdf', 'rb')
path2 = open('path/to/another.pdf', 'rb')
merger = PyPDF2.PdfFileMerger()
merger.append(fileobj=path2)
merger.append(fileobj=path)
pdf.filters.compress(merger)
merger.write(open("test_out2.pdf", 'wb'))

我收到的错误是

TypeError: must be string or read-only buffer, not file

合并完成后，我还尝试压缩 pdf。 我将失败的压缩基于使用 PDFSAM 进行压缩后得到的文件大小。 有什么想法吗？ 谢谢。

Answer 1

PyPDF2 没有可靠的压缩方法。 也就是说，有一个compress_content_streams()方法，其描述如下：

通过加入所有内容流并应用 FlateDecode 过滤器来压缩此页面的大小。

但是，如果内容流压缩由于某种原因变为“自动”，则此函数可能不会执行任何操作。

同样，在大多数情况下这不会有任何区别，但您可以尝试以下代码：

from PyPDF2 import PdfReader, PdfWriter


writer = PdfWriter()

for pdf in ["path/to/hello.pdf", "path/to/another.pdf"]:
    reader = PdfReader(pdf)
    for page in reader.pages:
        page.compress_content_streams()
        writer.add_page(page)

with open("test_out2.pdf", "wb") as f:
    writer.write(f)

Answer 2

您的错误说它必须是字符串或只读缓冲区，而不是文件。

所以最好将你的合并写入一个字节或字符串。

import PyPDF2
from io import BytesIO

tmp = BytesIO()
path = open('path/to/hello.pdf', 'rb')
path2 = open('path/to/another.pdf', 'rb')
merger = PyPDF2.PdfFileMerger()
merger.append(fileobj=path2)
merger.append(fileobj=path)
merger.write(tmp)
PyPDF2.filters.compress(tmp.getvalue())
merger.write(open("test_out2.pdf", 'wb'))

Answer 3

最初的方法并没有那么错误。 只需将页面添加到您的编写器并在写入文件之前对其进行压缩：

...

for i in list(range(reader.numPages)):
    page = reader.getPage(i)
    writer.addPage(page);
for i in list(range(writer.getNumPages())):
    page.compressContentStreams()

...

Answer 4

pypdf提供了几种减小文件大小的方法： https://pypdf.readthedocs.io/en/latest/user/file-size.html

compress_content_streams是一个唯一的缺点，它可能需要很长时间（取决于 PDF；将其视为 ZIP-for-PDF）：

from pypdf import PdfReader, PdfWriter

reader = PdfReader("example.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.compress_content_streams()  # This is CPU intensive!
    writer.add_page(page)

with open("out.pdf", "wb") as f:
    writer.write(f)