上个月整理公司年度报告，手头有37个独立的PDF章节文件，每个文件内部页码正常，但文件命名乱七八糟——有叫“报告_最终版”的，有叫“附录_v3”的，甚至还有“新建文件夹(2)”。直接拖进Adobe Acrobat合并，结果页序全乱，第二章插到附录后面去了。我试了好几种免费工具，最后发现用Python脚本加正则表达式处理文件名，能精准控制合并顺序。
第一步，把所有PDF文件放到同一个文件夹，然后按实际阅读顺序给文件名加前缀数字，比如“01_封面”“02_目录”“03_第一章”。注意数字必须两位以上，否则“10”会排在“2”前面。我直接用了批量重命名软件，把原文件名替换成“01_原文件名”的格式。第二步，写一个简单的Python脚本（依赖PyPDF2库），脚本里用sorted()按文件名排序，然后逐页合并。实测这个脚本对几百页的大文件也稳定，没出现内存暴涨的情况。
第三步，合并后检查书签。如果原PDF自带书签，PyPDF2合并时会丢失层级。我改用pdfkit库调用wkhtmltopdf，先把所有PDF转成HTML再合并，虽然慢一点，但能保留原始书签结构。最后用Adobe Acrobat的“优化扫描”功能一键压缩，文件从120MB降到35MB。整个过程耗时10分钟，比手动拖拽调整节省了2小时。
问：合并后页序正确但书签丢失怎么办？
答：可以用python的pypdf2库先提取每个源文件的书签信息，合并后重新注入。或者像我用wkhtmltopdf中转，能保留原始书签树，但需注意中文文件名编码问题，建议全部转拼音或英文。
问：Python脚本合并时报错“TypeError: cannot unpack non-iterable Pypdf2 object”？
答：新版PyPDF2读取器返回PdfReader对象而不是直接可迭代，需要改用for page in reader.pages: 遍历。我踩过这个坑，更新到PyPDF2 3.0以上版本后用pages属性就没问题了。
问：有没有不用代码的图形化工具能按自定义顺序合并？
答：实测PDF24 Creator的“合并PDF”功能支持拖拽重排页面顺序，免费无广告。优点是可以保存排序模板，下次直接调用来合并同结构的文件。但批量处理时每份报告都要手动排序，不如脚本自动读取文件名高效。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2305938578@qq.com 举报，一经查实，本站将立刻删除，本文链接：https://www.spubm.cn/71185.html
