试图将一个大型.pdf拆分为多个文件。(python，pdftk)

Question

我用Python编写了一个脚本，它将一个.pdf按章节/书签拆分。这里本质上是我的程序的关键：

for each chapter:
    system('pdftk A=file.pdf cat A{start}-{end} output file2.pdf')

这个工具包很好用，但是一次又一次地调用它显然不是一项节省时间的任务。解析一个200 20的.pdf文件需要花费15到20秒的时间，并且在大约30章的时间内这样做需要花费很长的时间。打开文件比实际写入任何数据花费的时间更多。

由于在工具箱中似乎没有一种固有的方法来字符串多个命令，所以我是否可以在Python或CMD中使用任何内存欺骗来让我绕过这个问题(即保持.pdf打开)？如果您能推荐一个模块的话，我也将查看另一个模块(不过，pyPdf也有自己的一系列问题)。

Answer 1

要将pdf文件保存在内存中，请将其读入StringIO缓冲区，并告诉pdftk从stdin读取。具体而言:使用subprocess.call而不是os.system，以StringIO缓冲区作为stdin参数：

mybuffer = StringIO.StringIO(open('file.pdf').read())
subprocess.call('pdftk ...', stdin=mybuffer)

它仍然需要每次重新解析pdf文件，但至少你不会比你更多地旋转你的硬盘驱动器。唯一真正快速的方法是使用一个工具，它可以一次完成(例如，解决您使用pypdf时遇到的任何问题)。

Answer 2

例如，如果您有一个有20000页的input.pdf文件，并且希望将其拆分为1.20.pdf文件，每个文件有1000页。

for (( i=0; i<=20; i++ )); do let n=$i*1000; let m=$[i+1]*1000; pdftk input.pdf cat $n-$m output $i.pdf; done;