【Python】２つのPDFファイルを交互に結合する

はじめに

最近，A3，B4をスキャンできるスキャナを購入したが，
両面同時スキャン対応していなかった (´;ω;｀)

両面プリントの束をスキャンするときに，
面倒だが片面ずつスキャンしてPDFファイルをマージする必要がある

１０枚の両面プリントをスキャンしたとき（A:表面，B:裏面，数字は枚目）
１回目のスキャンでできたPDF：1A，2A，3A，・・・，10A
２回目のスキャンでできたPDF：1B，2B，3B，・・・，10B

これを，
マージしたPDF：1A，1B，2A，2B，・・・，10A，10B
とする必要がある

プログラム設計

書くべきほどのことではないが，簡単に書くとこんな感じであろう

• 引数は，結合する２つのファイル名と出力するファイル名
• 結合する２つのファイルの存在チェック
• 結合する２つのページ数が同じかチェック
• １ページごと交互に新しいファイルに書いていく

PyPDF2

python で PDF ファイルを扱うなら PyPDF2 がよさそうだ

インストールは，conda なら

conda install PyPDF2

PDFファイルのページ数を得る

PdfFileReader の getNumPages を使えばよい
PdfFileReader の生成にはファイル名を渡す

PdfFileReader(stream, strict=True, warndest=None, overwriteWarnings=True)
## stream: Could also be a string representing a path to a PDF file.（抜粋）

getNumPages はただ呼ぶだけでよい

getNumPages()

つまり，これだけでページ数が取得できる

import PyPDF2
reader = PyPDF2.PdfFileReader('src.pdf')
page_num = reader.getNumPages()

PDFファイルの１ページを得る

PdfFileReader の getPage を使えばよい

getPage(pageNumber)

pageNumber は 0始まりだ

つまり，これだけで全ページが取得できる

import PyPDF2
reader = PyPDF2.PdfFileReader('src.pdf')
page_num = reader.getNumPages()
for page_number in range(page_num):
    page = reader.getPage(page_number)

PDFファイルに出力する

PdfFileWriter を生成し，addPage でページを追加，write で PDF へ書き込む

addPage，write は次のようで

addPage(page)
write(stream)

addPage の page には PdfFileReader.getPage で取得した page を渡す
write の stream はファイルオブジェクトを渡す

以下のソースで，src.pdf が dest.pdf にコピーされる

copy_pdf.py

import PyPDF2
reader = PyPDF2.PdfFileReader('src.pdf')
page_num = reader.getNumPages()
writer = PyPDF2.PdfFileWriter()
for page_number in range(page_num):
    page = reader.getPage(page_number)
    writer.addPage(page)
with open('dest.pdf', 'wb') as f:
    writer.write(f)

２つのPDFファイルを交互に結合する

two_file_merge.py

import os
import argparse
import PyPDF2 as pp

# 引数の解析
parser = argparse.ArgumentParser()
parser.add_argument('file1', help='元ファイル１', type=str)
parser.add_argument('file2', help='元ファイル２', type=str)
parser.add_argument('--output', '-o', help='出力ファイル名', type=str, default='output.pdf')
arg = parser.parse_args()

# 引数
file1 = arg.file1
file2 = arg.file2
output = arg.output

# 引数のチェック
if not os.path.exists(file1):
    print(f'{file1}が存在しません')
    quit()
if not os.path.exists(file2):
    print(f'{file2}が存在しません')
    quit()
reader1 = pp.PdfFileReader(file1)
reader2 = pp.PdfFileReader(file2)
if reader1.getNumPages() != reader2.getNumPages():
    print('ページ数が異なります')
    quit()

# １ページずつ交互に新しいファイルに書き込む
writer = pp.PdfFileWriter()
for page in range(reader1.getNumPages()):
    writer.addPage(reader1.getPage(page))
    writer.addPage(reader2.getPage(page))
with open(output, 'wb') as f:
    writer.write(f)

おわりに

便利だな，PyPDF2
PDFファイルを扱うことが多いので，これから活用していきたい

追記

１回目のスキャンが完了した後，プリントの束をそのままひっくり返してスキャンする
通常このようにスキャンすると思うので，上のコードを修正をする

１回目のスキャンでできたPDF：1A，2A，3A，・・・，10A
２回目のスキャンでできたPDF：10B，9B，8B，・・・，1B
これをマージして，1A，1B，2A，2B，・・・，10A，10Bとしたい

２回目のスキャンファイルは逆順に読む必要がある

two_file_merge_kai.py

import os
import argparse
import PyPDF2 as pp

# 引数の解析
parser = argparse.ArgumentParser()
parser.add_argument('file1', help='元ファイル１', type=str)
parser.add_argument('file2', help='元ファイル２', type=str)
parser.add_argument('--output', '-o', help='出力ファイル名', type=str, default='output.pdf')
arg = parser.parse_args()

# 引数
file1 = arg.file1
file2 = arg.file2
output = arg.output

# 引数のチェック
if not os.path.exists(file1):
    print(f'{file1}が存在しません')
    quit()
if not os.path.exists(file2):
    print(f'{file2}が存在しません')
    quit()
reader1 = pp.PdfFileReader(file1)
reader2 = pp.PdfFileReader(file2)
if reader1.getNumPages() != reader2.getNumPages():
    print('ページ数が異なります')
    quit()

# １ページずつ交互に新しいファイルに書き込む
writer = pp.PdfFileWriter()
num_pages = reader1.getNumPages()
for page_number in range(num_pages):
    writer.addPage(reader1.getPage(page_number))
    writer.addPage(reader2.getPage(num_pages-1-page_number)) ## 逆順に読む
with open(output, 'wb') as f:
    writer.write(f)