Python PDF 自動化教學：用 PyPDF2 實現合併、分割與批量處理報表的完整指南

如果你在工作上經常需要處理 PDF 文件——合併報表、拆分頁面、加浮水印、提取文字——那用 Python 來自動化這些操作可以幫你省下大量重複勞動的時間。我在前公司的時候，每個月要處理上百份 PDF 報表，手動操作至少要花兩天，寫了自動化腳本之後只要五分鐘。今天就用 PyPDF2 這個套件，帶你從零建立一套 PDF 自動化工具箱。

環境設定與安裝

PyPDF2 是 Python 處理 PDF 最熱門的套件之一，安裝非常簡單：

pip install pypdf2

如果你需要提取 PDF 裡的文字並且要支援中文，建議一併安裝 pdfplumber，因為 PyPDF2 的中文文字提取有時候會有編碼問題：

pip install pdfplumber

另外我習慣搭配 pathlib 來管理檔案路徑，它是 Python 內建的模組，不需要額外安裝。整個專案結構我建議這樣組織：

pdf-automation/
├── input/          # 放原始 PDF 檔案
├── output/         # 輸出處理後的檔案
├── watermarks/     # 浮水印模板
└── main.py         # 主程式

合併多個 PDF 文件

合併 PDF 是最常見的需求。假設你有十幾份月報要合併成一份年度報告，手動在 Acrobat 裡操作要點很多次，用 Python 幾行就搞定：

from pypdf2 import PdfMerger
from pathlib import Path

def merge_pdfs(input_dir, output_path):
    merger = PdfMerger()
    pdf_files = sorted(Path(input_dir).glob('*.pdf'))
    
    for pdf_file in pdf_files:
        merger.append(str(pdf_file))
        print(f'已加入: {pdf_file.name}')
    
    merger.write(str(output_path))
    merger.close()
    print(f'合併完成！共 {len(pdf_files)} 個檔案 → {output_path}')

merge_pdfs('input/', 'output/merged_report.pdf')

這段程式碼會自動讀取 input/ 資料夾裡所有的 PDF 並按檔名排序合併。如果你需要指定合併順序，可以把檔名改成 01_january.pdf、02_february.pdf 這樣的格式。進階一點的話，你還可以用 merger.append(pdf, pages=(start, end)) 來只合併特定頁面。這個技巧搭配Excel 自動化一起用，就能建立一套完整的報表處理流程。

分割 PDF 頁面

分割 PDF 有兩種常見場景：一是把每一頁拆成獨立檔案，二是按照特定範圍拆分。

from pypdf2 import PdfReader, PdfWriter

def split_pdf_by_page(input_path, output_dir):
    reader = PdfReader(input_path)
    Path(output_dir).mkdir(exist_ok=True)
    
    for i, page in enumerate(reader.pages):
        writer = PdfWriter()
        writer.add_page(page)
        output_path = Path(output_dir) / f'page_{i+1:03d}.pdf'
        with open(output_path, 'wb') as f:
            writer.write(f)
    
    print(f'分割完成！共 {len(reader.pages)} 頁')

def split_pdf_by_range(input_path, output_path, start, end):
    reader = PdfReader(input_path)
    writer = PdfWriter()
    
    for i in range(start - 1, min(end, len(reader.pages))):
        writer.add_page(reader.pages[i])
    
    with open(output_path, 'wb') as f:
        writer.write(f)
    
    print(f'已提取第 {start} 到第 {end} 頁')

實際工作中我最常用的是按範圍分割。比如一份 50 頁的合約，前 5 頁是條款、第 6-10 頁是報價單、其餘是附件，用 split_pdf_by_range 就能快速拆分出你需要的部分。

加入浮水印

為 PDF 加浮水印在商業文件處理中非常常見。做法是先準備一個只有浮水印的 PDF（可以用 Word 或 InDesign 製作），然後把它疊加到每一頁上：

def add_watermark(input_path, watermark_path, output_path):
    reader = PdfReader(input_path)
    watermark = PdfReader(watermark_path)
    watermark_page = watermark.pages[0]
    writer = PdfWriter()
    
    for page in reader.pages:
        page.merge_page(watermark_page)
        writer.add_page(page)
    
    with open(output_path, 'wb') as f:
        writer.write(f)
    
    print(f'浮水印已加入: {output_path}')

浮水印 PDF 的製作有個小技巧：把文字設成半透明（30-40% 不透明度），旋轉 45 度角斜放，用淺灰色。這樣加上去之後既能清楚辨識又不會影響閱讀。

提取 PDF 文字內容

提取文字在做資料分析或文件搜尋時很有用。PyPDF2 可以做基本的文字提取，但遇到掃描件或複雜排版的 PDF 效果不太好。中文文件我推薦用 pdfplumber：

import pdfplumber

def extract_text(input_path):
    text_content = []
    with pdfplumber.open(input_path) as pdf:
        for i, page in enumerate(pdf.pages):
            text = page.extract_text()
            if text:
                text_content.append(f'--- 第 {i+1} 頁 ---
{text}')
    
    return '

'.join(text_content)

# 也可以提取表格
def extract_tables(input_path):
    with pdfplumber.open(input_path) as pdf:
        for i, page in enumerate(pdf.pages):
            tables = page.extract_tables()
            for table in tables:
                print(f'第 {i+1} 頁找到表格: {len(table)} 列')

提取出來的文字可以再做進一步處理——搜尋關鍵字、生成摘要、或者存入資料庫做全文檢索。

批量處理實戰範例

把上面的功能組合起來，就可以做出強大的批量處理腳本。這是我在前公司實際使用的場景：每個月從 ERP 系統匯出 30 份部門報表（PDF），需要合併成一份、加上「內部機密」浮水印、然後按部門拆分寄出。

from pathlib import Path
from pypdf2 import PdfMerger, PdfReader, PdfWriter

def monthly_report_pipeline(input_dir, output_dir):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    output_path.mkdir(exist_ok=True)
    
    # Step 1: 合併所有報表
    merger = PdfMerger()
    for pdf in sorted(input_path.glob('*.pdf')):
        merger.append(str(pdf))
    
    merged_path = output_path / 'all_reports.pdf'
    merger.write(str(merged_path))
    merger.close()
    
    # Step 2: 加浮水印
    add_watermark(
        str(merged_path),
        'watermarks/confidential.pdf',
        str(output_path / 'all_reports_watermarked.pdf')
    )
    
    # Step 3: 提取文字做索引
    text = extract_text(str(merged_path))
    with open(output_path / 'report_index.txt', 'w', encoding='utf-8') as f:
        f.write(text)
    
    print('月報處理流程完成！')

如果你需要定期執行這個腳本，可以搭配APScheduler 排程自動化設定每月自動執行。也可以用裝飾器來加入日誌記錄和錯誤處理功能，讓腳本更健壯。

進階技巧與注意事項

分享幾個實戰中踩過的坑。第一，加密的 PDF 要先解密才能處理——用 reader.decrypt('password')。第二，某些 PDF 的頁面旋轉資訊會在合併時出問題，用 page.rotate(0) 重設旋轉角度可以解決。第三，處理大型 PDF（超過 500 頁）時記憶體可能不夠，建議分批處理。

如果你的需求更複雜——比如要生成 PDF 報表——可以看看 reportlab 這個套件，它可以從零開始創建 PDF，搭配 PyPDF2 做後處理就是一套完整的 PDF 工作流程。把這套工具整合進FastAPI 後端，還能做成 API 服務讓團隊其他人透過網頁上傳 PDF 並自動處理。

Python 的 PDF 自動化是我認為投資報酬率最高的自動化項目之一。寫一次腳本，之後每個月都能省下幾個小時的重複勞動。如果你的工作涉及大量文件處理，真的值得花一個下午把這些工具學起來。