我正在使用 PyPDF2 合并 PDF 文件，但是，当其中一个文件包含填充有数据的 PDF 模块（典型的应用程序填充的 PDF）时，在合并的文件中，该模块为空，不显示任何数据。
这是我用来合并PDF的两种方法：
def merge_pdf_files(pdf_files, i):
pdf_merger = PdfFileMerger(strict=False)
for pdf in pdf_files:
pdf_merger.append(pdf)
output_filename = '{out_root}{prog}.{cf}.pdf'.format(out_root=out_root_path, prog=i+1, cf=cf)
pdf_merger.write(output_filename)
def merge_pdf_files2(pdf_files, i):
output = PdfFileWriter()
for pdf in pdf_files:
input = PdfFileReader(pdf)
for page in input.pages:
output.addPage(page)
output_filename = '{out_root}{prog}.{cf}.pdf'.format(out_root=out_root_path, prog=i+1, cf=cf)
with open(output_filename,'wb') as output_stream:
output.write(output_stream)
我希望最终的合并 PDF 显示 PDF 模块中填写的所有数据。 或者，另一种方法是，有人可以向我指出另一个没有遭受此（表面上）错误的Python库。 谢谢
更新 我也尝试了 PyMuPDF，得到了相同的结果。
def merge_pdf_files4(pdf_files, i):
output = fitz.open()
for pdf in pdf_files:
input = fitz.open(pdf)
output.insertPDF(input)
output_filename = '{out_root}{prog}.{cf}.pdf'.format(out_root=out_root_path, prog=i+1, cf=cf)
output.save(output_filename)
也尝试过 PyPDF4。与 PyPDF2 相同的结果
还尝试使用通过命令行从脚本启动的外部工具：
subprocess.call(cmd, shell=True)
我一开始尝试过pdftk，但也失败了。 唯一有效的是 PDFill，商业版本，在这项任务上花费了 19 美元......:( 太糟糕了，我找不到开源的、独立于平台的解决方案。
最后我自己解决了，我在这里分享，希望对其他人有用。
这是一项艰巨的任务。
最后我坚持使用 pdfrw 库（https://pypi.org/project/pdfrw/ 和 https://github.com/pmaupin/pdfrw），它提供了一个很好的 PDF-DOM表示，非常接近 Adobe 官方参考文献中公开记录的 PDF-Structure (https://www.adobe.com/devnet/pdf/pdf_reference.html)。
使用这个库、PyCharm 的对象检查器和 Adobe 文档，我可以试验输出文件的结构，并发现简单的 1 行合并：
from pdfrw import PdfReader, PdfWriter
output = PdfWriter()
input = PdfReader(pdf_filename)
output.addpages(input.pages)
不会将 AcroForm 节点添加到 output PDF 文件，因此会丢失所有表单字段。
所以我必须编写自己的代码来合并，尽我所能，各个输入文件的AcroForm节点。
我强调“尽我所能”这句话，因为我最终得到的合并功能远非完美，但至少它对我有用并且可以帮助其他人在需要时从这一点开始构建。
要做的一件重要的事情是重命名表单字段以避免冲突，因此我将它们重命名为{file_num}_{field_num}_{original_name}。
然后，由于不知道如何合并CO、DA、DR 和 NeedAppearances 节点，我只需添加包含它们的第一个源文件的节点。如果后续文件中存在相同的节点，我会跳过它。
我跳过它除了字体，我合并DR节点的Font子节点的内容。
最后一点，在我第一次尝试时，上述所有操作都是在输出的trailer 属性上完成的。然后我发现每次我从新的输入文件添加页面时，pdfrw似乎都会删除预告片中已经存在的任何AcroForm。 我不知道原因，但我必须构建一个 ouptut_acroform 变量并将其分配给输出文件，然后再写出最终的 pdf。
最后，这是我的代码。 如果它不是Pythonic，请原谅我，我只是希望它能澄清上述几点。
from pdfrw import PdfReader, PdfWriter, PdfName
def merge_pdf_files_pdfrw(pdf_files, output_filename):
output = PdfWriter()
num = 0
output_acroform = None
for pdf in pdf_files:
input = PdfReader(pdf,verbose=False)
output.addpages(input.pages)
if PdfName('AcroForm') in input[PdfName('Root')].keys(): # Not all PDFs have an AcroForm node
source_acroform = input[PdfName('Root')][PdfName('AcroForm')]
if PdfName('Fields') in source_acroform:
output_formfields = source_acroform[PdfName('Fields')]
else:
output_formfields = []
num2 = 0
for form_field in output_formfields:
key = PdfName('T')
old_name = form_field[key].replace('(','').replace(')','') # Field names are in the "(name)" format
form_field[key] = 'FILE_{n}_FIELD_{m}_{on}'.format(n=num, m=num2, on=old_name)
num2 += 1
if output_acroform == None:
# copy the first AcroForm node
output_acroform = source_acroform
else:
for key in source_acroform.keys():
# Add new AcroForms keys if output_acroform already existing
if key not in output_acroform:
output_acroform[key] = source_acroform[key]
# Add missing font entries in /DR node of source file
if (PdfName('DR') in source_acroform.keys()) and (PdfName('Font') in source_acroform[PdfName('DR')].keys()):
if PdfName('Font') not in output_acroform[PdfName('DR')].keys():
# if output_acroform is missing entirely the /Font node under an existing /DR, simply add it
output_acroform[PdfName('DR')][PdfName('Font')] = source_acroform[PdfName('DR')][PdfName('Font')]
else:
# else add new fonts only
for font_key in source_acroform[PdfName('DR')][PdfName('Font')].keys():
if font_key not in output_acroform[PdfName('DR')][PdfName('Font')]:
output_acroform[PdfName('DR')][PdfName('Font')][font_key] = source_acroform[PdfName('DR')][PdfName('Font')][font_key]
if PdfName('Fields') not in output_acroform:
output_acroform[PdfName('Fields')] = output_formfields
else:
# Add new fields
output_acroform[PdfName('Fields')] += output_formfields
num +=1
output.trailer[PdfName('Root')][PdfName('AcroForm')] = output_acroform
output.write(output_filename)
希望这有帮助。
https://github.com/pmaupin/pdfrw/issues/192
对于管理员来说，我认识到这是一个老问题，但它在 Google 搜索中对此信息的排名很高，并在该库的 Github 存储库中引用。我有一个非常相似的要求，其中一个表单有空间容纳 3 件事，如果更多，我会构建一个单独的时间表并将其附加为新页面，但我在表单中得到了看起来像空白字段值的内容在 Kofax PDF、Acrobat Reader 或 Evince (Linux) 中查看时生成的 pdf。这些字段将在 Gmail 的 pdf 查看器中显示其值，或者在单独的浏览器窗口中查看（Edge 和 Chrome 有效）。当单击并更改字体或属性中的对齐方式等时，它们也会显示。导出数据并重新导入也有效，但这在我的应用程序中是不可行的。
我添加这个不是作为答案，而是为了提供根据我当前的设置进行一些更改后最终得到的代码，其中我已经有了一些“内存中”读者，而不是传递文件（原始的表格，以及额外项目的附加时间表）。
在这里回复是为了表示感谢，并对来到这里的其他人表示感谢，这种方法似乎确实有效（我无法想象通过挖掘调试器和文档来找出答案的过程）。
我传入一个 PdfReaders 列表，第一个已设置
NeedAppearances
，如下所示；否则，这些字段将继续显示为空白，直到单击为止。随后在另一种方法中使用
pdf_writer保存到适当的位置。我用来将表单与非表单 pdf 结合起来的所有其他方法都会导致相同的行为。
self.template_pdf.Root.AcroForm.update(pdfrw.PdfDict(NeedAppearances=pdfrw.PdfObject('true')))
import pdfrw
def merge_pdf_files_pdfrw(pdf_readers, pdf_writer):
# output = pdfrw.PdfWriter()
output_acroform = None
for reader_idx, pdf_reader in enumerate(pdf_readers):
# input = PdfReader(pdf,verbose=False)
pdf_writer.addpages(pdf_reader.pages)
if pdfrw.PdfName.AcroForm in pdf_reader[pdfrw.PdfName.Root].keys(): # Not all PDFs have an AcroForm node
source_acroform = pdf_reader[pdfrw.PdfName.Root][pdfrw.PdfName.AcroForm]
if pdfrw.PdfName.Fields in source_acroform:
output_formfields = source_acroform[pdfrw.PdfName.Fields]
else:
output_formfields = []
for ff_idx, form_field in enumerate(output_formfields):
key = pdfrw.PdfName.T
old_name = form_field[key].replace('(', '').replace(')', '') # Field names are in the "(name)" format
form_field[key] = f'FILE_{reader_idx}_FIELD_{ff_idx}_{old_name}'
if output_acroform is None:
# copy the first AcroForm node
output_acroform = source_acroform
else:
for key in source_acroform.keys():
# Add new AcroForms keys if output_acroform already existing
if key not in output_acroform:
output_acroform[key] = source_acroform[key]
# Add missing font entries in /DR node of source file
if (pdfrw.PdfName.DR in source_acroform.keys()) and (
pdfrw.PdfName.Font in source_acroform[pdfrw.PdfName.DR].keys()):
if pdfrw.PdfName.Font not in output_acroform[pdfrw.PdfName.DR].keys():
# if output_acroform is missing entirely the /Font node under an existing /DR, simply add it
output_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font] = \
source_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font]
else:
# else add new fonts only
for font_key in source_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font].keys():
if font_key not in output_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font]:
output_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font][font_key] = \
source_acroform[pdfrw.PdfName.DR][pdfrw.PdfName.Font][font_key]
if pdfrw.PdfName.Fields not in output_acroform:
output_acroform[pdfrw.PdfName.Fields] = output_formfields
else:
# Add new fields
output_acroform[pdfrw.PdfName.Fields] += output_formfields
pdf_writer.trailer[pdfrw.PdfName.Root][pdfrw.PdfName.AcroForm] = output_acroform