📎 pdf_merge —— 批量合并 PDF，还自动生成书签

报销单、合同、报告、扫描件……十几个 PDF 要拼成一份交上去。在线合并网站怕泄密，Adobe 收费，那就用 20 行 Python 自己搞定。

适用人群

• • 财务 / 行政：报销凭证、发票、审批单拼成一份归档
• • 老师：多份练习卷、讲义合成一本，方便打印和分发
• • HR：应聘材料（简历 + 证书 + 成绩单）合成一份完整档案
• • 销售 / 咨询：方案正文 + 报价单 + 案例附件 = 一份交付物
• • 任何人：手机扫描出来的一堆单页 PDF，想拼成一个文件
• • 在意隐私的人：合同、工资单这类文件，绝对不该上传到在线合并网站

功能简介

生成结果：output/merged.pdf

环境准备

pip install PyPDF2

国内镜像：

pip install PyPDF2 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证：

python -c "import PyPDF2; print(PyPDF2.__version__)"

• • Python 3.8+（本脚本在 Python 3.13 + PyPDF2 3.0.1 实测通过）
• • 纯 Python 库，不需要装任何外部程序

关于 PyPDF2 与 pypdf

PyPDF2 已经改名为 pypdf（3.0.1 是 PyPDF2 的最后一个版本，功能等同）。本脚本用 PyPDF2 是因为它名气大、教程多。想用新名字只改导入行：

from pypdf import PdfReader, PdfWriter      # pip install pypdffrom pypdf.errors import PdfReadError

其余代码一行都不用改，API 完全一致。

使用方法

cd pdf_mergepython pdf_merge.py

实测输出：

========================================================PDF 合并 —— pdf_merge========================================================[输入] ...\pdf_merge\testdata\pdfs[输入] 找到 3 个 PDF，排序方式：name[1/3] 01_封面与目录.pdf —— 2 页（合并后第 1 页起）[2/3] 02_数据明细.pdf —— 3 页（合并后第 3 页起）[3/3] 03_附件与说明.pdf —— 2 页（合并后第 6 页起）--------------------------------------------------------[完成] 合并 3 个文件，共 7 页[完成] 已生成 3 个书签（阅读器左侧目录可点击跳转）[完成] 输出文件：...\output\merged.pdf（38.1 KB）

用 Chrome 或 Edge 打开 output/merged.pdf，点左侧的书签图标，能看到「01_封面与目录 / 02_数据明细 / 03_附件与说明」三个可点击条目。

常用参数

# 合并指定目录python pdf_merge.py --indir "D:/报销单" --out "D:/2026年3月报销.pdf"# 按修改时间排序（适合扫描件：按扫描先后顺序拼）python pdf_merge.py --sort mtime# 完全手动控制顺序python pdf_merge.py --files 封面.pdf 正文.pdf 附件.pdf --out 完整报告.pdf# 不要书签（想让合并痕迹不明显时）python pdf_merge.py --no-bookmark

顺序怎么保证？（实战经验）

最稳的办法是给文件名加数字前缀，像测试素材那样：

01_封面与目录.pdf02_数据明细.pdf03_附件与说明.pdf

补零很重要（01 而不是 1），虽然本脚本做了自然排序、1 也能排对，但补零后在资源管理器里看着也是对的，交接给别人不会出错。

核心代码讲解

1. 合并的本质：把页面搬过去

writer = PdfWriter()for path in files:    reader = PdfReader(str(path))for page in reader.pages:        writer.add_page(page)      # 一页一页搬with out_path.open("wb") as f:    writer.write(f)

就这么简单。PDF 合并不需要重新排版（和 PPT 转 PDF 完全不同），页面对象直接搬过去就行，所以纯 Python 库完全够用，而且无损。

2. 书签：关键是算对起始页

start_index = len(writer.pages)      # 搬之前先记住已有多少页for page in reader.pages:    writer.add_page(page)writer.add_outline_item(path.stem, start_index)   # 指向这份文件的第一页

len(writer.pages) 在添加前取值，正好等于新文件第一页的索引（从 0 开始）。所以：第 1 个文件 start_index=0，第 2 个文件（前面有 2 页）start_index=2……打印时 +1 转成人类页码，就是输出里的「合并后第 3 页起」。

path.stem 是不含扩展名的文件名（01_封面与目录.pdf → 01_封面与目录），用它当书签标题最自然。

3. 自然排序：part2 为什么会排到 part10 后面

defnatural_key(path: Path):    parts = re.split(r"(\d+)", path.name.lower())      # 按数字段切开，并保留数字return [int(p) if p.isdigit() else p for p in parts]

字符串排序是逐字符比的："part10" 和 "part2" 比到第 5 个字符，'1' < '2'，所以 part10 会排在前面 —— 合并出来页序就乱了。

re.split(r"(\d+)", "part10.pdf") 得到 ['part', '10', '.pdf']，把数字段转成 int 后变成 ['part', 10, '.pdf']，再和 ['part', 2, '.pdf'] 比较时就是 10 > 2，顺序正确。

⚠️ 小注意：正则里的括号 (\d+) 必须有，否则 re.split 会把数字丢掉。

4. 加密 PDF：先试试空密码

if reader.is_encrypted:if reader.decrypt("") == 0:      # 返回 0 表示密码不对print("有密码保护，无法合并")returnNoneprint("带空密码加密，已自动解开")

现实中大量 PDF 是「有加密标记但密码为空」的——比如某些系统导出的发票、设了「禁止编辑」但不禁止打开的文件。decrypt("") 能直接解开这类文件。真有密码的就跳过并提示，不要让整批任务失败。

如果你知道密码，改成 reader.decrypt("你的密码") 即可。

5. 单个文件坏掉不能拖垮整批

for path in files:    reader = open_reader(path)     # 内部捕获异常，失败返回 Noneif reader isNone:continue# 跳过这个，继续下一个

这是批量脚本的基本素养：一个坏苹果不能毁掉一整筐。open_reader() 里把四种常见意外都拦下来了：

另外还检查了 len(reader.pages) == 0（0 页空 PDF），这种文件合并了也没意义。

6. writer.close() 与 finally

try:with out_path.open("wb") as f:        writer.write(f)except PermissionError:    ...finally:    writer.close()      # 无论成功失败都释放资源

PdfWriter 持有对源文件的引用，用 finally 确保释放，否则批量处理大量文件时可能出现「文件句柄用尽」或文件被锁住无法删除。

7. 也可以用 PdfMerger（但不推荐了）

老教程常见这种写法：

from PyPDF2 import PdfMergermerger = PdfMerger()for f in files:    merger.append(f)          # 会自动带上原文件的书签merger.write("merged.pdf")

区别：

• • PdfMerger 会继承原文件内部已有的书签结构，更省事
• • 但它在 PyPDF2 3.x 里已标记为过时（deprecated），未来的 pypdf 里会移除
• • 用 PdfWriter + add_outline_item 对书签的控制更精确（比如书签标题可以自定义、加日期、加页数）

本脚本选 PdfWriter，兼容未来的 pypdf。

测试素材说明

testdata/pdfs/├── 01_封面与目录.pdf    # 2 页：报告封面 + 目录├── 02_数据明细.pdf      # 3 页：数据总览 + 分区域明细 + 渠道构成└── 03_附件与说明.pdf    # 2 页：口径说明 + 联系人

三份都是用 fpdf2 生成的真实中文 PDF（嵌入黑体字体，每页带页脚和页码），模拟一份被拆成三块的「月度经营分析报告」，共 11–14 KB 一份。

为什么这样设计素材？

• • 文件名带 01/02/03 前缀 → 验证排序正确
• • 每份页数不同（2 / 3 / 2）→ 验证书签起始页计算正确（应为第 1 / 3 / 6 页）
• • 内容有前后逻辑（封面→数据→附件）→ 合并后一眼能看出顺序对不对
• • 中文文件名 + 中文内容 → 验证中文路径和编码处理

实测结果：3 个文件合并成 7 页，书签起始页分别是 1 / 3 / 6，输出 38.1 KB。

想验证容错，可以做这些实验：

# 造一个假 PDF（其实是文本文件），看脚本会不会跳过echo"这不是PDF" > testdata/pdfs/04_坏文件.pdfpython pdf_merge.py       # 应提示「无法解析（文件可能损坏）」并继续合并其余 3 个# 记得测完删掉rm testdata/pdfs/04_坏文件.pdf

常见问题

Q1：合并后的文件为什么比几个原文件加起来还小 / 还大？PDF 内部会共享资源（字体、图片）。合并时同一个字体可能被复用，所以可能更小；但如果每份文件嵌入的字体子集不同，也可能略大。都是正常的。

Q2：合并后能压缩体积吗？PyPDF2 能力有限，可以试试：

for page in writer.pages:    page.compress_content_streams()      # 压缩内容流，对文字型 PDF 有效

图片型 PDF 想大幅压缩，需要 pikepdf 或 Ghostscript，那是另一个话题。

Q3：书签是中文，在某些阅读器里乱码？PyPDF2 写书签用 UTF-16 编码，主流阅读器（Adobe、Chrome、Edge、福昕）都正常。个别老旧国产阅读器可能有问题，可以把书签标题改成英文或加序号规避。

Q4：想给每一页加页码怎么办？PyPDF2 不擅长「画东西」。标准做法是用 reportlab 生成一个只有页码的透明 PDF，再用 page.merge_page() 叠上去。属于进阶玩法。

Q5：只想合并每个文件的第 1 页？改一行：

for page in reader.pages[:1]:      # 只取第 1 页    writer.add_page(page)

Q6：报 PermissionError 写不进去output/merged.pdf 正被 PDF 阅读器打开。关掉再运行（Chrome / Edge 打开过 PDF 也会占用，注意关标签页）。

Q7：合并出来顺序不对

1. 1. 先看运行日志里的文件顺序（脚本会逐个打印）
2. 2. 用 --sort mtime 试试（扫描件适用）
3. 3. 最稳的办法：文件名加 01_ 02_ 03_ 前缀，或直接用 --files 手动指定

Q8：能合并成千上万个 PDF 吗？可以，但注意内存：PdfWriter 会把所有页面留在内存里。上千个文件建议分批合并（先合成 10 个中间文件，再合并这 10 个）。

Q9：加密 PDF 提示无法合并，但我知道密码把脚本里的 reader.decrypt("") 改成 reader.decrypt("你的密码")，或者加个 --password 参数传进去。

打包成 exe

第 0 步：安装 PyInstaller

pip install pyinstallerpyinstaller --version

第 1 步：基础打包

cd pdf_mergepyinstaller -F pdf_merge.py

• • -F（--onefile）：单文件 exe，产物 dist/pdf_merge.exe
• • PyPDF2 是纯 Python 库、无二进制扩展，打包非常顺利，体积约 12 MB

分发结构：

PDF合并工具/├── pdf_merge.exe├── testdata/│   └── pdfs/            ← 同事把要合并的 PDF 丢进来└── output/    └── merged.pdf       ← 自动生成

想让路径更直观，可以打包时改默认值，比如让 exe 直接读旁边的 待合并 文件夹：

parser.add_argument("--indir", default=str(here / "待合并"), ...)parser.add_argument("--out", default=str(here / "合并结果.pdf"), ...)

这依赖 base_dir()：

defbase_dir() -> Path:ifgetattr(sys, "frozen", False):                   # 打包后为 Truereturn Path(sys.executable).resolve().parent    # exe 所在目录return Path(__file__).resolve().parent

第 2 步：-w 参数的取舍

pyinstaller -F -w pdf_merge.py

• • -w（--noconsole / --windowed）：不弹黑窗口

⚠️ 本脚本用 print 汇报「哪个文件几页、从第几页起、哪个跳过了」，加 -w 后全部看不见，出问题无法定位。

用 -w 一定要留日志：

import sysifgetattr(sys, "frozen", False):    sys.stdout = sys.stderr = open(base_dir() / "run.log", "w", encoding="utf-8")

第 3 步：--add-data 打包资源

# Windows 分号，macOS/Linux 冒号pyinstaller -F --add-data "testdata;testdata" pdf_merge.py

⚠️ -F 模式下这些资源会解压到 sys._MEIPASS（随机临时目录），只读，程序退出即删除。读取必须用：

defresource_path(rel: str) -> Path:ifgetattr(sys, "frozen", False) andhasattr(sys, "_MEIPASS"):return Path(sys._MEIPASS) / relreturn Path(__file__).resolve().parent / rel

本脚本不需要 --add-data：待合并的 PDF 是用户文件，输出的 merged.pdf 必须可写，都该在 exe 旁边。

真正会用到 --add-data 的例子：内置一份「使用说明.txt」

pyinstaller -F --add-data "使用说明.txt;." pdf_merge.py

第 4 步：加图标

pyinstaller -F --icon=app.ico pdf_merge.py

• • 必须是真 .ico（png 改后缀不行）
• • 转换：

from PIL import ImageImage.open("app.png").save("app.ico", sizes=[(256,256),(64,64),(32,32),(16,16)])

• • 图标不生效：删 build/dist/ 重打；Windows 图标缓存也可能骗你

第 5 步：瘦身

pyinstaller -F --clean ^  --exclude-module matplotlib ^  --exclude-module numpy ^  --exclude-module pandas ^  --exclude-module PIL ^  --exclude-module tkinter ^  --exclude-module PyQt5 ^  --icon=app.ico pdf_merge.py

头号有效手段：干净虚拟环境

python -m venv build_envbuild_env\Scripts\activatepip install PyPDF2 pyinstallerpyinstaller -F pdf_merge.py

本脚本只需 PyPDF2，干净环境下 12 MB 以内。特别注意排除 PIL：如果全局装了 Pillow，PyPDF2 的可选图片功能可能把它带进来，一下多出 10 MB 以上。

UPX（可选，再省 30%，但增加杀软误报）：

pyinstaller -F --upx-dir "D:/tools/upx" pdf_merge.py

第 6 步：完整推荐命令（本脚本）

pyinstaller -F --clean --name "PDF合并工具" --icon=app.ico ^  --exclude-module matplotlib --exclude-module numpy --exclude-module pandas ^  --exclude-module PIL --exclude-module tkinter ^  pdf_merge.py

常见坑

坑 1：exe 提示「没有找到任何 .pdf 文件」exe 旁边没有 testdata/pdfs 目录，或者 PDF 放错层级了。交付时把目录结构一起打包，或用 --indir 指定：

pdf_merge.exe --indir "D:/我的PDF" --out "D:/合并.pdf"

坑 2：ModuleNotFoundError: No module named 'PyPDF2'打包环境没装库，或多 Python 版本混淆。用同一解释器：

D:/python13/python.exe -m PyInstaller -F pdf_merge.py

坑 3：双击 exe 一闪而过CMD 里运行 / 加 input() / pdf_merge.exe > log.txt 2>&1，三选一。

坑 4：中文路径与中文文件名运行阶段没问题（全程 pathlib.Path，测试素材就是中文名）。但打包时项目路径建议放纯英文目录，PyInstaller 对中文路径偶有问题。

坑 5：杀毒软件报毒PDF 工具类 exe 被误报较常见。别用 UPX、加白名单、或做代码签名。

坑 6：exe 体积比预期大很多八成是全局环境里的 pandas / numpy / matplotlib / PIL 被连带打包。用 --clean + 干净虚拟环境重打，能立刻从 60 MB 降到 12 MB。

坑 7：Windows 打的 exe 给不了 Mac 同事不支持交叉编译，需在 Mac 上再打一次。

坑 8：-F 启动慢单文件每次运行都解压。追求启动速度就不加 -F，改成文件夹分发。

小结

• • 一句话价值：把「在线合并网站 + 手动排序」换成一条本地命令，快且不泄密
• • 核心 API：PdfReader 读 → writer.add_page(page) 搬 → writer.add_outline_item(标题, 起始索引) 加书签 → writer.write(f) 写
• • 三个实用细节：
1. 1. start_index = len(writer.pages)（添加前取值）就是书签该指向的页
2. 2. 自然排序 re.split(r"(\d+)", name)，否则 part10 会跑到 part2 前面
3. 3. 加密 PDF 先试 decrypt("")，很多「假加密」文件能直接解开
• • 批量脚本的素养：单个文件坏掉要跳过并说明原因，绝不能让整批任务崩掉
• • 打包要点：-F 不加 -w、排除 PIL/pandas 显著瘦身、干净虚拟环境

配套使用：

1. 1. 用 ppt_to_pdf 把课件转成 PDF，再用本脚本合成一本完整讲义
2. 2. 合并后想拆开单页发送，用 pdf_split
3. 3. 想知道合并结果里都写了什么，用本系列的 pdf_extract_text

本脚本属于「Python 办公自动化 30 例 · PPT 与 PDF 处理」分组 · 作者：小庄