按目录/文件夹合并pdf

Question

我有一个文件夹（'a'）的文件夹（'b'）。 “b”中的每个文件夹都以其涵盖的合同命名。 在 b 中的每个文件夹中是主合同文档和该合同的修改。 所有文档都是pdf。 我编写了代码来按合同合并 pdf。

问题是代码没有正确分解pdf。 第一个 output 只有合约 1 的信息； 第二个 output 有合同 1 和 2 的信息； 第三个合约包含合约 1、2 和 3 的信息。我尝试策略性地放置一行代码来清除存储设备，但代码仍然无法正常运行。

root_folder = r"./RawContracts"

x = [a for a in os.listdir(root_folder) if not a.endswith(".pdf")]
merger = PdfFileMerger()

for folder in x:
    house = root_folder + "/" + folder
    x2 = [root_folder+"/"+folder+"/"+a for a in os.listdir(house) if a.endswith(".pdf")]
    for pdf in x2:
        merger.append(open(pdf, 'rb'))
    with open("%s.pdf" % folder, "wb") as fout:
        merger.write(fout)
    x2 = []

在参考了许多不同的站点后，我将这个解决方案拼凑在一起。 第二个for循环末尾的“x2 = []”是我解决问题的尝试。 这没用。 在此先感谢您的帮助。

关于这个问题的更多细节。

假设contract1文件夹包含与contract1有关的2个单独的pdf（每个有1页）：pdf1 =“4台电脑，1000美元”pdf2 =“Mod1：3台电脑@825美元；4@1000美元取消”

contract2 文件夹包含与 contract2 相关的 2 个单独的 pdf（每个 1 页）： pdf1 = “5 个小部件，售价 45 美元” pdf2 = “行使选项 3 而不是选项 2”

所需的 output：

1 merged pdf named contract1.pdf containing contract1_pdf1 and contract1_pdf2 1 merged pdf named contract2.pdf containing contract2_pdf1 and contract2_pdf2

当前 output：

1 pdf 与contract1 文件夹的内容正确合并 1 pdf 与contract1 文件夹的内容与contract2 文件夹的内容合并。 这个文件夹应该只有合同 2 的东西。

一旦完成循环的那一部分，我需要 python 从其 memory 中丢弃与contract1有关的所有内容。

Answer 1

在使用.txt 运行代码进行测试后，似乎问题可能出在您的merger object 上。 似乎在您的循环中，您对循环中的每个文件都执行merger.append(open(pdf, 'rb')) ，但是在每个循环开始时，您并没有清除merger 。

例如。 如果我有这样的文件夹结构：

我的合并，如果它像一个列表，会以 3 次合并结束：

['./randomtextfolder/1/1_1.txt', './randomtextfolder/1/1_2.txt']

['./randomtextfolder/1/1_1.txt', './randomtextfolder/1/1_2.txt', './randomtextfolder/2/2_1.txt', './randomtextfolder/2/2_2.txt']

['./randomtextfolder/1/1_1.txt', './randomtextfolder/1/1_2.txt', './randomtextfolder/2/2_1.txt', './randomtextfolder/2/2_2.txt', ' ./randomtextfolder/3/3_1.txt']

---

我不确定您将如何清除 merge 变量，但我怀疑放在第一个 for 循环之后的行merger = PdfFileMerger()会很好。

您的代码如下所示：

root_folder = r"./RawContracts"

x = [a for a in os.listdir(root_folder) if not a.endswith(".pdf")]


for folder in x:
    merger = PdfFileMerger()
    house = root_folder + "/" + folder
    # note that we removed x2 = [], because the following line re-sets x2 anyway
    x2 = [root_folder+"/"+folder+"/"+a for a in os.listdir(house) if a.endswith(".pdf")]
    for pdf in x2:
        merger.append(open(pdf, 'rb'))
    with open("%s.pdf" % folder, "wb") as fout:
        merger.write(fout)

如果这不能按预期工作，您可以尝试merger.close()以查看是否会擦除合并 memory，如本文档中所述。

希望有帮助！