Discussion :

[Invité]

Bonjour,

je souhaiterais pourvoir dissocier un fichier PDF en plusieurs fichiers.
sur ce PDF il y a de nombreuses factures et donc je souhaiterais découper ce fichier pour chacune des factures, qu'elles fassent 1 ou x pages. et récupérer dans un string le numéro de la facture pour l'insérer dans une variable.
Puis enregistrer facture dans un pdf unique et lui donner son numero comme nom de fichier, et ce pour chacune des factures.
Pourriez-vous me conseiller s'il vous plait ? Un tuto par exemple.

J'ai regardé ce tuto : https://www.thepythoncode.com/code/s...iles-in-python
Mais le programme fourni dans ce tuto ne fonctionne pas.

J'ai python 3.10 et ai téléchargé la dernière version de pikepdf.


Vous en remerciant par avance.

[Arioch]

Au boulot, on m'a demandé récemment d'étudier PikePDF et je lui ai préféré PyMuPDF.

Pour nos besoins, j'ai fait un wheel (package) qui fait de la recherche de texte dans des fichiers PDF en asychrone. PyMuPDF pourrait t'être utile pour rechercher les numéros de factures.

Il permet aussi d'extraire des pages. Alors, nativement, je ne suis pas certain ni persuadé qu'il peut de lui même créer un nouveau PDF pour y stocker une facture complète mais sachant qu'il peut ajouter une page à un PDF existant, tu pourrais partir d'un PDF "modèle" avec une page vide, insérer les pages de ta facture dedans et juste supprimer la page vide pour avoir ton document complet.

[Invité]

Merci Arioch,

j'ai en effet installé PyMuPDF pour récupérer le numéro de facture dans une variable pour l'utiliser ensuite.
Pour l'instant, ce simple programme qui est donné, ne fonctionne pas, alors que j'ai installé tout ce qu'il demande. Je ne comprends ou est le soucis.
La version de python semble être prise en charge et la librairie a été installée sans problème.

[Arioch]

Montre ton code entre balises ## stp

[Invité]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import os
from pikepdf import Pdf
 
# a dictionary mapping PDF file to original PDF's page range
file2pages = {
    0: [0, 9], # 1st splitted PDF file will contain the pages from 0 to 9 (9 is not included)
    1: [9, 11], # 2nd splitted PDF file will contain the pages from 9 (9 is included) to 11
    2: [11, 100], # 3rd splitted PDF file will contain the pages from 11 until the end or until the 100th page (if exists)
}
 
# the target PDF document to split
filename = "bert-paper.pdf"
# load the PDF file
pdf = Pdf.open(filename)
# make the new splitted PDF files
new_pdf_files = [ Pdf.new() for i in file2pages ]
# the current pdf file index
new_pdf_index = 0
# iterate over all PDF pages
for n, page in enumerate(pdf.pages):
    if n in list(range(*file2pages[new_pdf_index])):
        # add the `n` page to the `new_pdf_index` file
        new_pdf_files[new_pdf_index].pages.append(page)
        print(f"[*] Assigning Page {n} to the file {new_pdf_index}")
    else:
        # make a unique filename based on original file name plus the index
        name, ext = os.path.splitext(filename)
        output_filename = f"{name}-{new_pdf_index}.pdf"
        # save the PDF file
        new_pdf_files[new_pdf_index].save(output_filename)
        print(f"[+] File: {output_filename} saved.")
        # go to the next file
        new_pdf_index += 1
        # add the `n` page to the `new_pdf_index` file
        new_pdf_files[new_pdf_index].pages.append(page)
        print(f"[*] Assigning Page {n} to the file {new_pdf_index}")
 
# save the last PDF file
name, ext = os.path.splitext(filename)
output_filename = f"{name}-{new_pdf_index}.pdf"
new_pdf_files[new_pdf_index].save(output_filename)
print(f"[+] File: {output_filename} saved.")

[Arioch]

Tu disais avoir installé PyMuPDF.

C'est du code avec PyMuPDF que je te demandais en fait

[fred1599]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
import fitzimport re
doc = fitz.open("d:/temp/factures.pdf")
print('nb pages : ' + str(doc.page_count))
x=0
for page in doc:
    text = page.get_text()
    result = re.search(r'^Total[\r\n]+(.*)$',text,flags=re.MULTILINE)
    print(result.group(1))
    numfacture = result.group(1)
    doc2 = fitz.open()  # on crée un nouveau PDF
    doc2.insert_pdf(doc,from_page=x,to_page=x)
    doc2.save('d:/temp/'+ 'facture_'+ numfacture + '.pdf')     x += 1

Il n'y a pas la possibilité d'avoir le nombre de pages du PDF et d'utiliser ces lignes ci-dessous afin de ne plus avoir de boucle ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
n = doc.page_count
doc2.insert_pdf(doc,from_page=0,to_page=n)

ou au moins à la rigueur utiliser enumerate
La partie importante ici serait la méthode insert_pdf qui permettrait d'enregistrer d'un numéro de page à un autre.

[jurassic pork]

Il n'y a pas la possibilité d'avoir le nombre de pages du PDF et d'utiliser ces lignes ci-dessous afin de ne plus avoir de boucle ?

je n'ai pas bien compris ta remarque : il veut extraire chaque facture du pdf dans un pdf différent avec le numéro de la facture dans le nom du fichier.

[fred1599]

je n'ai pas bien compris ta remarque : il veut extraire chaque facture du pdf dans un pdf différent avec le numéro de la facture dans le nom du fichier.

Ah ok, j'avais pas bien compris effectivement, par contre je garde la partie enumerate valide pour remplacer ta variable x.

[jurassic pork]

Ah ok, j'avais pas bien compris effectivement, par contre je garde la partie enumerate valide pour remplacer ta variable x.

merci du renseignement. Moi qui ne suis pas un pro du python, cela m'a permis de découvrir la fonction enumerate. Si j'ai bien assimilé, mon code peut devenir avec cette fonction :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
import fitz
import re
doc = fitz.open("d:/temp/factures.pdf")
print('nb pages : ' + str(doc.page_count))
for x,page in enumerate(doc,start=0):
    text = page.get_text()
    result = re.search(r'^Total[\r\n]+(.*)$',text,flags=re.MULTILINE)
    print(result.group(1))
    numfacture = result.group(1)
    doc2 = fitz.open()  # on crée un nouveau PDF
    doc2.insert_pdf(doc,from_page=x,to_page=x)
    doc2.save('d:/temp/'+ 'facture_'+ numfacture + '.pdf')

[Invité]

superbe. Merci a tous.
Je vais tester tout cela.

concernant le découpage du pdf par facture.
Comment puis je faire si il y a pour certaines factures, plusieurs pages ?