Diviser un pdf avec pyPDF2

Version imprimable

Bonjour à tous,

Je suis en train d'essayer de diviser un PDF de plusieurs pages afin de le regrouper les pages par une ou deux.
Une petite explication afin d'être plus clair :

Il y a une liste qui comporte toutes les pages du PDF initial : pdf.pages [<page:1>,<page:2>,<page:3>,<page:4>]
Il y a une liste qui comporte les premières pages qui devront être avec la suivante lors de la division : two_pages [<page:2>]
Il y a une liste qui comporte toutes les premières pages de manière générale : firstPages [<page:1>,<page:2>,<page:4>]

Je cherche un moyen pour diviser le pdf initial pour que dans notre exemple il sorte 3 PDF :

<page:1>
<page:2> et <page:3>
<page:4>

Cependant, je n'y arrive pas et je n'arrive pas à comprendre le problème.

Voici mon code :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 from PyPDF2 import PdfFileWriter, PdfFileReader inputpdf = PdfFileReader(open(path_pdf, "rb")) for i in firstPages : if i in two_pages : output = PdfFileWriter() output.addPage(inputpdf.getPage(pdf.pages.index(i))) output.addPage(inputpdf.getPage(pdf.pages.index(i)+1)) with open("document-page%s.pdf" % str(pdf.pages.index(i)), "wb") as outputStream: output.write(outputStream) else : output = PdfFileWriter() output.addPage(inputpdf.getPage(pdf.pages.index(i)+1)) with open("document-page%s.pdf" % str(pdf.pages.index(i)), "wb") as outputStream: output.write(outputStream)
Je vous remercie pour votre aide.

Avinetor

20/08/2020, 07h53
tyrtamos

Bonjour,

J'utilise PyPDF2 qui marche très bien, mais il faudrait monter un exemple bidon simplifié mais suffisamment complet (avec les listes) pour qu'on puisse l'exécuter.

Bonjour Tytamos,

Merci pour ton retour.
Voici ce que me donne le code suivant :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 print(pdf.pages) print("Le type de pdf.pages est ", type(pdf.pages)) print("le type de ", pdf.pages[0], " dans pdf.pages est ", type(pdf.pages[0])) print(firstPages) print("Le type de fistPages est ", type(firstPages)) print("le type de ", firstPages[0], " dans fistPages est ", type(firstPages[0])) print(two_pages) print("Le type de two_pages est ", type(two_pages)) print("le type de ", two_pages[0], " dans two_pages est ", type(two_pages[0]))
[<Page:1>, <Page:2>, <Page:3>, <Page:4>, <Page:5>, <Page:6>, <Page:7>, <Page:8>, <Page:9>, <Page:10>, <Page:11>, <Page:12>, <Page:13>, <Page:14>, <Page:15>]
Le type de pdf.pages est <class 'list'>
le type de <Page:1> dans pdf.pages est <class 'pdfplumber.page.Page'>

[<Page:1>, <Page:2>, <Page:4>, <Page:5>, <Page:7>, <Page:8>, <Page:9>, <Page:10>, <Page:11>, <Page:13>, <Page:14>, <Page:15>]
Le type de fistPages est <class 'list'>
le type de <Page:1> dans fistPages est <class 'pdfplumber.page.Page'>

[<Page:2>, <Page:5>, <Page:11>]
Le type de two_pages est <class 'list'>
le type de <Page:2> dans two_pages est <class 'pdfplumber.page.Page'>

J'utilise en effet pdfplumber pour créer ces listes.

Bonne journée.

Avinetor

20/08/2020, 11h46
wiztricks

Salut,

Si vous voulez de l'aide, il ne faut pas se contenter de décrire le besoin mais aussi décrire le problème rencontré (message d'erreur, j'obtiens çà en sortie alors que j'attendais...) et fournir un code minimal qui permette de le reproduire.

"minimal" parce que vous devez être capable de reformuler comment construire par étapes la solution/programme qui y réponde.

Si vous bloquez dans la réalisation d'une étape particulière, vous allez vous concentrer dessus en écrivant un bout de code minimal qui se contente d'essayer de la réaliser.

Cette étape là est importante car vous allez pouvoir résumer le problème technique rencontré en quelques mots qui pourront être utiles pour chercher sur Internet.

Et si vous n'arrivez toujours pas à trouver une solution, vous avez alors un code minimal à poster et une description de problème (indépendante du besoin de départ): une bonne base pour avoir de l'aide.

- W

1 pièce(s) jointe(s)

Bonjour Wiztricks,

Merci également pour ton aide.

Je n'arrive pas à obtenir un message d'erreur mais voici comment j'obtiens l'erreur :
Avec le fichier en pièce jointe.

Le code principal :

Code:

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
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
 
# -*- coding: utf-8 -*-
 
import os
import pickle
import pdfplumber
from PyPDF2 import PdfFileWriter, PdfFileReader
from losfonctiones import *
 
path_pdf = "Test.pdf"
pdf = pdfplumber.open(path_pdf)
two_pages = []
matri = []
salaire = []
 
print(pdf.pages[0].width)
print(pdf.pages[0].height)
 
# On cherche si un nombre est affiché en bas de la page
 
for page in pdf.pages :
	paid_crop = page.within_bbox((300, 400, page.width, page.height))
	paid_chars = paid_crop.extract_text() 	# Trouve le texte du salaire à payer
	print(paid_chars)
	print(len(paid_chars))
	print(type(paid_chars))
	if len(paid_chars) == 1 :					# S'il n'y a pas de salaire sur la page
		two_pages.append(page)				# Rajoute le numéro de la page dans la liste "two_pages"
	else:
		paid = paid_chars.strip()			# Supprime les espaces avant et après
print(two_pages)
 
# Création de la liste des dernières pages
 
lstpages = list(pdf.pages)
lastPages = last_page(lstpages,two_pages)
 
# Création de la liste des premières pages
 
frstpages = list(pdf.pages)
firstPages = first_page(frstpages,two_pages)
 
print(lastPages)
print(firstPages)
 
for page in firstPages :
 
	mat_crop = page.within_bbox((0, 0, 300, 400))
	mat_chars = mat_crop.extract_text()	# Trouve le texte du matricule
	mat_double = mat_chars.strip()		# Supprime les espaces avant et après
	mat = mat_double[::2]				# Supprime une lettre sur deux
	mat_int = int(mat)
	matri.append(mat_int)				# Enregistre le matricule dans la liste matri
 
 
for page in lastPages :
 
	paid_crop = page.within_bbox((300, 400, page.width, page.height))
	paid_chars = paid_crop.extract_text() 	# Trouve le texte du salaire à payer
	paid = paid_chars.strip()
	paid_float = float((paid))
	salaire.append(paid_float)
 
print(matri)
print(salaire)
 
inputpdf = PdfFileReader(open(path_pdf, "rb"))
 
try:
	for i in firstPages :
		if i in two_pages :
			output = PdfFileWriter()
			output.addPage(inputpdf.getPage(pdf.pages.index(i)))
			output.addPage(inputpdf.getPage(pdf.pages.index(i)+1))		
			with open("document-page%s.pdf" % str(pdf.pages.index(i)), "wb") as outputStream:
		       	output.write(outputStream)
 
except type_de_l_exception as exception_retournee:
	print("Voici l'erreur :", exception_retournee)
 
 
os.system("pause")

Le fichier losfonctiones.py

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
# -*- coding: utf-8 -*-
 
def last_page(totalPages,twoPages):
	"""Fonction permettant de trouver la dernière page des bulletins de salaire"""
	for p in twoPages:
		totalPages.remove(p)
	return totalPages
 
 
def first_page(totalPages,twoPages):
	"""Fonction permettant de trouver la première page des bulletins de salaire"""
	for p in twoPages:
		firstpi = totalPages.index(p)
		lastpi = firstpi + 1
		del totalPages[lastpi]
	return totalPages

Si je mets en commentaire les lignes 74 et 75 du fichier principal, le script se lance mais n'enregistre pas les fichiers pdf divisés.

Merci pour votre aide.
N'hésitez pas à me dire comment vous expliquer mieux.

Cordialement,

Avinetor

20/08/2020, 14h03
Avinetor

En fait, je viens de trouver la solution...
Sur mon éditeur de code (Sublime Text) il y a bien une tabulation sur la ligne 75 (en dessous du "with") mais en le copiant/collant sur le forum, j'ai vu qu'il n'y était pas...
J'en ai juste rajouté un et cela fonctionne.

N'hésitez pas à me faire un retour sur mon code...

et merci encore.

Cordialement,

Avinetor