给大家推荐一下400多种AI大模型聚合-向量引擎提供API接口调用网址：api.vectorengine.ai/
大家好！之前分享过 PyPDF2 处理 PDF 的基础用法，后台很多小伙伴问 “如何批量处理文件夹里的 PDF？”“遇到加密文件报错怎么解决？”。今天就带大家解锁 Python 处理 PDF 的进阶技巧，从批量操作到异常处理，再到工具选型对比，手把手教你搞定复杂场景，让办公效率再上一个台阶！
一、批量处理：1 行代码搞定文件夹内所有 PDF
日常工作中，我们常需要处理整个文件夹的 PDF（比如批量提取合同文本、统一旋转扫描件）。手动逐个操作效率极低，用 Python 只需几行代码就能实现自动化。
场景 1：批量合并文件夹内所有 PDF
假设要将 “2025 季度报告” 文件夹里的所有 PDF 按文件名顺序合并，代码如下：
pyth取消自动换行复制
from PyPDF2 import PdfMerger
场景 2：批量提取文件夹内 PDF 文本到 TXT
如果需要将多个 PDF 的文本提取到对应 TXT 文件（如 “合同 1.pdf”→“合同 1.txt”），代码可这样写：
pytho取消自动换行复制
from PyPDF2 import PdfReader
二、避坑指南：3 类常见异常处理方案
用 PyPDF2 处理 PDF 时，加密文件、损坏文件、图片型 PDF 是高频 “坑点”，学会异常处理才能让脚本稳定运行。
- 加密文件：解密后再处理
遇到 “EncryptedFileError” 报错，说明 PDF 被加密，需先解密（需知道密码）：
python取消自动换行复制
from PyPDF2 import PdfReader
- 损坏文件：跳过或标记异常
部分 PDF 因传输或保存问题损坏，可通过 try-except 捕获异常并标记：
python取消自动换行复制
def safe_process_pdf(pdf_path):
- 图片型 PDF：结合 OCR 工具提取文本
PyPDF2 无法提取图片中的文字（如扫描件），需搭配 pytesseract 实现 OCR 识别：
python取消自动换行复制
先安装依赖：pip install pytesseract pillow
三、工具选型：3 个主流 PDF 处理库对比
除了 PyPDF2，Python 还有 pdfplumber 和 PyMuPDF 两个常用库，不同场景适合不同工具：
| 特性 | PyPDF2 | pdfplumber | PyMuPDF（fitz） |
|---|---|---|---|
| 核心优势 | 轻量、合并拆分功能稳定 | 文本提取精准（保留格式） | 速度快、支持 OCR 预处理 |
| 文本提取能力 | 一般（复杂格式易乱） | 优秀（可提取表格） | 良好 |
| 图片 / 扫描件处理 | 不支持 | 不支持 | 支持（转为图片） |
| 加密文件支持 | 支持基础解密 | 支持基础解密 | 支持多种加密算法 |
| 推荐场景 | 批量合并 / 拆分 | 文本 / 表格精准提取 | 高速处理、OCR 前置 |
选型建议：
- 简单合并拆分 → 用 PyPDF2（轻量无依赖）；
- 提取合同中的表格数据 → 用 pdfplumber；
- 处理大量 PDF 或需要 OCR → 用 PyMuPDF。
四、实战案例：打造 PDF 自动化处理工具
结合以上技巧，我们可以打造一个 “PDF 工具箱” 脚本，支持合并、提取、OCR 三大功能，通过命令行调用：
python取消自动换行复制
import argparse
使用示例：
bash取消自动换行复制
1. 合并"报告文件夹"到"总报告.pdf"
五、总结与拓展
通过本文的进阶技巧，你可以：
- 用批量处理脚本替代重复手动操作，节省 80% 时间；
- 用异常处理让脚本更稳定，避免因个别文件报错中断；
- 根据场景选择合适工具，兼顾效率与效果。
后续还可以尝试这些拓展方向：
- 结合 tkinter 或 PyQt 给脚本加图形界面，让非技术同事也能使用；
- 对接云存储（如阿里云 OSS），实现云端 PDF 批量处理；
- 加入定时任务（如 schedule 库），每天自动处理指定文件夹的 PDF。
如果在实践中遇到问题，欢迎在评论区留言讨论！觉得有用的话，别忘了点赞 + 收藏，也可以分享给需要的同事～
