Python按页数拆分PDF并提取指定范围内容的实现方法

脚本专家

在日常办公和开发任务中，PDF按页拆分是一个非常常见的需求：从200页的培训教材里抽取15到30页，或者将合同按章节拆成独立文件分发给不同负责人。手动在阅读器里选择页面再导出的方式效率很低，而且每次只能处理一段范围。用Python脚本可以直接完成指定页码提取、逐页拆分、按块大小拆分以及按书签拆分为章节，适合批量处理和自动化流程。

实现思路并不复杂：通过pypdf库的PdfReader读取源PDF页面，再用PdfWriter将选中的页面写入新的PDF文件。整个过程只涉及页面对象的复用和写入操作，不涉及重新渲染，所以速度很快，也不会损失原始PDF内容。

环境准备方面，需要安装pypdf，可以执行以下命令：

2. pip install pypdf

复制代码

如果还需要解析非标准书签，可以额外安装pdfplumber：

2. pip install pdfplumber

复制代码

下面给出完整实现代码，包含四种拆分方式：提取指定页码范围、逐页拆分、按固定页数分块、按书签章节拆分。

2. import os
3. from pypdf import PdfReader, PdfWriter
4. from pathlib import Path
6. # ==================== 方案 1：提取指定页码范围 ====================
7. def extract_pages(input_pdf, start_page, end_page, output_file):
8.     """
9.     从 PDF 中提取指定范围的页面
10.     参数:
11.     input_pdf: 源 PDF 文件
12.     start_page: 起始页码（从 1 开始）
13.     end_page: 结束页码（包含）
14.     output_file: 输出文件名
15.     """
16.     reader = PdfReader(input_pdf)
17.     total = len(reader.pages)
19.     # 验证页码范围
20.     if start_page < 1 or end_page > total:
21.         print(f"错误: 文件共 {total} 页，请求范围 {start_page}-{end_page}")
22.         return
24.     writer = PdfWriter()
25.     for i in range(start_page - 1, end_page):  # 转为 0-based 索引
26.         writer.add_page(reader.pages[i])
28.     with open(output_file, 'wb') as f:
29.         writer.write(f)
30.     print(f"已提取第 {start_page}-{end_page} 页 → {output_file}")
32. # ==================== 方案 2：逐页拆分 ====================
33. def split_pdf_by_page(input_pdf, output_dir="逐页拆分"):
34.     """
35.     将 PDF 的每一页拆分为独立文件
36.     """
37.     reader = PdfReader(input_pdf)
38.     output_path = Path(output_dir)
39.     output_path.mkdir(parents=True, exist_ok=True)
40.     base_name = Path(input_pdf).stem
42.     for i, page in enumerate(reader.pages):
43.         writer = PdfWriter()
44.         writer.add_page(page)
45.         output_file = output_path / f"{base_name}_第{i+1}页.pdf"
46.         with open(output_file, 'wb') as f:
47.             writer.write(f)
48.     print(f"逐页拆分完成: {len(reader.pages)} 页 → {output_dir}/")
50. # ==================== 方案 3：按指定块大小拆分 ====================
51. def split_pdf_by_chunks(input_pdf, chunk_size, output_dir="分块拆分"):
52.     """
53.     按指定页数拆分（如每 10 页一个文件）
54.     参数:
55.     input_pdf: 源 PDF
56.     chunk_size: 每个文件的页数
57.     output_dir: 输出目录
58.     """
59.     reader = PdfReader(input_pdf)
60.     output_path = Path(output_dir)
61.     output_path.mkdir(parents=True, exist_ok=True)
62.     total = len(reader.pages)
63.     base_name = Path(input_pdf).stem
65.     chunk_count = 0
66.     for start in range(0, total, chunk_size):
67.         end = min(start + chunk_size, total)
68.         writer = PdfWriter()
69.         for i in range(start, end):
70.             writer.add_page(reader.pages[i])
71.         output_file = output_path / f"{base_name}_第{start+1}-{end}页.pdf"
72.         with open(output_file, 'wb') as f:
73.             writer.write(f)
74.         chunk_count += 1
75.         print(f"已拆分: 第 {start+1}-{end} 页")
77.     print(f"\n分块拆分完成: {chunk_count} 个文件")
79. # ==================== 方案 4：按章节/书签拆分 ====================
80. def split_pdf_by_outline(input_pdf, output_dir="按章节拆分"):
81.     """
82.     按 PDF 的书签（大纲）拆分为独立章节文件
83.     """
84.     reader = PdfReader(input_pdf)
85.     output_path = Path(output_dir)
86.     output_path.mkdir(parents=True, exist_ok=True)
87.     base_name = Path(input_pdf).stem
89.     outline = reader.outline
91.     # 提取书签信息
92.     bookmarks = []
93.     for item in outline:
94.         if isinstance(item, dict) and '/Title' in item:
95.             title = item['/Title']
96.             page_num = None
97.             if '/Dest' in item:
98.                 dest = item['/Dest']
99.                 if isinstance(dest, list) and dest[0]:
100.                     page_num = reader.get_destination_page_number(item)
101.             bookmarks.append({'title': title, 'page': page_num})
103.     if not bookmarks:
104.         print("该 PDF 没有书签/大纲")
105.         return
107.     # 按书签拆分
108.     for idx, bm in enumerate(bookmarks):
109.         if bm['page'] is None:
110.             continue
112.         start = bm['page']
113.         # 下一个书签的页码 - 1 作为结束
114.         if idx + 1 < len(bookmarks) and bookmarks[idx + 1]['page'] is not None:
115.             end = bookmarks[idx + 1]['page'] - 1
116.         else:
117.             end = len(reader.pages) - 1
119.         writer = PdfWriter()
120.         for i in range(start, end + 1):
121.             writer.add_page(reader.pages[i])
123.         safe_title = bm['title'].replace('/', '_').replace('\\', '_')
124.         output_file = output_path / f"{safe_title}.pdf"
125.         with open(output_file, 'wb') as f:
126.             writer.write(f)
127.         print(f"已拆分章节: {bm['title']} (第 {start+1}-{end+1} 页)")
129.     print(f"\n按章节拆分完成: {output_dir}/")
131. # ==================== 使用示例 ====================
132. if __name__ == "__main__":
133.     PDF_FILE = "培训教材_200页.pdf"
135.     # 方案 1：提取第 15-30 页
136.     extract_pages(PDF_FILE, 15, 30, "培训教材_核心章节.pdf")
138.     # 方案 2：逐页拆分
139.     # split_pdf_by_page(PDF_FILE)
141.     # 方案 3：每 10 页一个文件
142.     # split_pdf_by_chunks(PDF_FILE, chunk_size=10)
144.     # 方案 4：按书签拆分
145.     # split_pdf_by_outline(PDF_FILE)

复制代码

代码说明：extract_pages函数的start_page和end_page均从1开始计数，内部通过start_page-1转换为pypdf的0基索引。输出前会校验页码范围，避免越界。逐页拆分会在指定目录下生成“原文件名_第N页.pdf”的独立文件。分块拆分需要传入chunk_size参数，例如chunk_size=10表示每10页生成一个文件，最后一个文件可能不足10页。按书签拆分则依赖PDF内置大纲，提取出章节标题和对应起始页码，并把每个书签到下一个书签之间的页面归入同一章节；标题中的特殊字符会被替换为下划线，避免生成非法文件名。

实际使用中可能遇到两个典型问题。

问题一：提取后页面空白。这通常出现在扫描件或加密PDF上，pypdf无法直接读取加密内容。可以在创建reader之后先判断并解密：

2. reader = PdfReader(input_pdf)
3. if reader.is_encrypted:
4.     reader.decrypt("")

复制代码

空字符串解密适用于无密码的加密文件；如果PDF本身有打开密码，则需要传入对应密码。

问题二：按书签拆分时没有提取到书签。部分PDF的书签可能存储在非标准位置，pypdf的outline属性无法读取。此时可以改用pdfplumber尝试获取更完整的目录信息：

2. import pdfplumber
3. with pdfplumber.open(pdf_file) as pdf:
4.     toc = pdf.toc
5.     print(toc)

复制代码

pdfplumber会尽量解析文档结构中的书签数据，拿到目录后可以再结合页码信息自行实现拆分逻辑。

总结一下四种方式的特点：

2. 拆分方式          函数                     说明
3. 指定范围          extract_pages()          提取 start-end 页
4. 逐页拆分          split_pdf_by_page()      每页一个文件
5. 分块拆分          split_pdf_by_chunks()    每 N 页一个文件
6. 按书签拆分        split_pdf_by_outline()   按章节拆分

复制代码

如果你的业务场景是“只取中间某一段”，用extract_pages最直接；如果需要将整份文档拆成多个固定页数的小文件，split_pdf_by_chunks更合适；而按书签拆分则适合结构清晰的电子书或技术手册，可以一次性得到按章节组织的独立PDF。这套逻辑同样可以扩展到批量处理多个PDF文件，只需在外层加一个文件遍历循环即可。

热心网友4

感谢分享，正好手头有份几百页的PDF需要按章节拆，这个思路很实用。看了下代码，方案一到方案三都明白了，不过标题里提到了按书签拆分，但代码好像只到方案三分块拆分就结束了，是不是没贴完？方便补一下第四种的实现吗？另外问一下，提取指定页码范围时如果起始页大于结束页，目前好像没做这个校验，实际用的时候可能容易出现边界情况。

热心网友4

楼主这个拆分思路很实用，正好最近在整理技术文档，每次用阅读器手动抽页面真的痛苦，你这个脚本可以直接搞定。方桉2和方桉3的命名逻辑也很清楚，输出文件名直接带着页码范围，方便后面归档。 另外想请教下，如果源PDF有加密需要密码，pypdf直接读会报错吗？还有方桉4按书签拆分，我看代码好像没贴完，额外装pdfplumber是为了解析那种书签层级不规范的情况吗？期待楼主补充一下，谢谢分享！

热心网友7

看到这个帖子真的挺有用的，最近刚好在处理一份几百页的PDF，正愁怎么按章节拆开分发呢。代码思路很清晰，从指定范围到逐页、分块都覆盖了，直接复制就能用。而且不重新渲染这点很关键，速度快还不损伤内容。期待看到方案4按书签拆分的实现，那个对按章节整理材料应该最方便。