Pythonを使ってPDFを目標ファイルサイズ以下に分割する

はじめに

ある日、巨大なPDFファイルを作成したところ、先方からクラウドストレージが使えないのでメールで送ってくれと言われました。7zipで圧縮して分割して送ったらセキュリティポリシー違反で届きませんでした。

そんな時に30分くらいで作ったコードです。どんぴしゃのものが見つからなかったのでやり方をメモしておきます。いろいろ雑なのはご愛敬。

コード

実行環境:

• ubuntu 20.04 on WSL1
• Python 3.8.2
• PyPDF2 1.26.0
• pathlib 1.0.1

split_pdf.py

import PyPDF2
from pathlib import Path
import os


def split_file(pfin):
    # 目標サイズに応じて変更
    MAX_SIZE = 9000000
    if os.path.getsize(pfin) > MAX_SIZE:
        # PDF読み込み
        r = PyPDF2.PdfFileReader(str(pfin), strict=False)
        lastpage = r.numPages
        # 1ページに達したら終了
        if lastpage == 1: return
        # 真ん中で分割するためのページ
        split = lastpage // 2
        # ファイル名生成 suffixはお好みで
        f1 = Path(f'{pfin.stem}_1.pdf')
        f2 = Path(f'{pfin.stem}_2.pdf')
        w = PyPDF2.PdfFileWriter()
        # 1ページづつwriterに追加
        for i in range(lastpage):
            w.addPage(r.getPage(i))
            # splitに達したらファイル名f1として保存
            if i == split:
                with open(f1, 'wb') as f:
                    w.write(f)
                    del w
                    w = PyPDF2.PdfFileWriter()
        # 最後まで追加したらファイル名f2として保存
        with open(f2, 'wb') as f:
            w.write(f)
            del w
        # f1が目標ファイルサイズを超えていたら再帰的に渡す
        if os.path.getsize(f1) > MAX_SIZE:
            split_file(f1)
        # f2が目標ファイルサイズを超えていたら再帰的に渡す
        if os.path.getsize(f2) > MAX_SIZE:
            split_file(f2)
        # 処理が終わったら元ファイルを削除(残したかったらコメントアウト)
        pfin.unlink()

if __name__ == "__main__":
    # 例としてhoge.pdfを分割したいとする
    split_file(Path('hoge.pdf'))

補足

• このプログラムを実行すると

input:
    hoge.pdf
output:
    hoge_1_1.pdf
    hoge_1_2.pdf
    hoge_2.pdf

のように出力されます。最後にお好みでリネームしてください。

• 巨大すぎるファイルを細かく分割するとファイル名が長くなります。ほどほどの深さになるように適切にパラメータを設定してください
• あくまでMAX_SIZEを超えない程度に分割したいという思想で作ったプログラムです。MAX_SIZEギリギリに作りたいときは別のやり方をお勧めします
• このやり方は1ページのサイズがMAX_SIZEを超えた場合はMAX_SIZE以下にできません

最後に

最初に受け渡し方法を相談しておきましょう