Python使用pypdf按文件大小智能拆分 PDF

pip install pypdf

from pypdf import PdfReader, PdfWriter
import os
import sys

def split_pdf_by_size(input_pdf, max_size_mb, output_dir):
    """
    按指定大小（MB）拆分 PDF 文件
    :param input_pdf: 输入的 PDF 文件路径
    :param max_size_mb: 每个分片的最大大小（MB）
    :param output_dir: 输出文件夹路径
    """
    # 将 MB 转换成 bytes（1MB = 1024 * 1024 bytes）
    max_size_bytes = max_size_mb * 1024 * 1024
    
    # 读取原始 PDF
    try:
        reader = PdfReader(input_pdf)
    except Exception as e:
        print(f"错误：无法读取 PDF 文件！{e}")
        return
    
    total_pages = len(reader.pages)
    print(f"总页数：{total_pages} 页，准备按不超过 {max_size_mb} MB 进行拆分...")
    
    # 创建输出目录
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
        print(f"已创建输出目录：{output_dir}")
    
    current_writer = PdfWriter()   # 当前正在构造的分片
    current_size = 0               # 当前分片临时大小
    part_number = 1                # 分片编号
    start_page = 0                 # 当前分片的起始页（从 0 开始计数）
    
    for page_num in range(total_pages):
        # 把当前页添加到 writer 中
        current_writer.add_page(reader.pages[page_num])
        
        # 为了准确获取文件大小，需要先写入一个临时文件
        temp_output = f"temp_part_{part_number}.pdf"
        with open(temp_output, "wb") as temp_file:
            current_writer.write(temp_file)
        
        # 获取临时文件实际大小
        current_size = os.path.getsize(temp_output)
        
        # 判断条件：超出大小限制 OR 已经是最后一页
        if current_size > max_size_bytes or page_num == total_pages - 1:
            # 最后一页也满足条件时，需要强制保存（即使没超大小）
            if current_size > max_size_bytes and page_num != total_pages - 1:
                # 超了！需要把最后一页拿出来，单独成下一份
                # 先移除刚加的最后一页
                current_writer.remove_page(-1)  # 移除最后一页
                # 重新写入不包含最后一页的正确文件
                with open(temp_output, "wb") as temp_file:
                    current_writer.write(temp_file)
                current_size = os.path.getsize(temp_output)
            
            # 正式保存这一份
            output_filename = f"Part_{part_number}_第{start_page+1}-{page_num+1 if current_size <= max_size_bytes else page_num}页.pdf"
            output_path = os.path.join(output_dir, output_filename)
            
            # 如果前面移除了最后一页，这里要重新写入不包含最后一页的版本
            final_writer = current_writer if current_size <= max_size_bytes else PdfWriter()
            if current_size > max_size_bytes:
                # 重新构建不包含最后一页的 writer
                for i in range(start_page, page_num):
                    final_writer.add_page(reader.pages[i])
            
            with open(output_path, "wb") as output_file:
                (final_writer if current_size > max_size_bytes else current_writer).write(output_file)
            
            actual_size_mb = current_size / (1024 * 1024)
            print(f"√ 已生成：{output_filename}  ({actual_size_mb:.2f} MB)")
            
            # 重置，为下一份做准备
            current_writer = PdfWriter()
            current_writer.add_page(reader.pages[page_num])  # 把被“挤出去”的那一页放进新分片
            start_page = page_num
            part_number += 1
            
            # 删除临时文件
            os.remove(temp_output)
        else:
            # 没超大小，继续累加，删除临时文件
            os.remove(temp_output)
    
    # 清理可能的残留临时文件
    for file in os.listdir("."):
        if file.startswith("temp_part_"):
            try:
                os.remove(file)
            except:
                pass
    
    print("\n🎉 所有分片生成完毕！")
    print(f"输出目录：{os.path.abspath(output_dir)}")

# ========================= 使用示例 =========================
if __name__ == "__main__":
    # 请修改这里为你的实际路径
    input_pdf = r"C:\Users\Administrator\Downloads\BaiduNetdiskDownload\英文版\FORCE - Drawing Human Anatomy - 1E (2016).pdf"
    
    max_size_mb = 4          # 每个文件不超过 4MB（微信、QQ、邮箱常用限制）
    output_dir = "split_pdfs"  # 输出文件夹名称
    
    if not os.path.exists(input_pdf):
        print("错误：PDF 文件路径不存在！请检查路径是否正确。")
        sys.exit(1)
        
    split_pdf_by_size(input_pdf, max_size_mb, output_dir)