PDF拆分:24页报销票,10秒拆成单页自动起名

你是不是也这样：财务只收单张发票，你手里是一个 24 页的报销汇总 PDF，想找出其中那张出租车票，只能打开文件翻半天，或者干脆截屏发过去。

我拿真实的 10 月报销汇总试了一次：24 页拆成 24 个单页文件，20 个自动起好了名——「01_出租车发票_58.00元.pdf」这种，一眼就知道是谁、多少钱；剩下 4 页是没有文字层的扫描件，脚本老实标了「需人工核对」，合计 2,220.80 元。全程 10 秒。

照着做，5 分钟（装库 1 分钟，剩下的等它跑完）。

先看效果

24 页里 20 页是电子票——有文字层，能读出「出租车发票」「酒店住宿发票」和 ￥金额；4 页是拍照扫描件，读不出字。扫描件它不猜、不编，直接标出来交给人，这个边界很重要。

拆分前是「第1页、第2页……」，拆完每个文件名自带类型和金额。报销人不用再打开 24 次文件找那一张票。

怎么做

装库，一条命令：

pip install pypdf

核心代码就这几行，存成 20261103-demo.py：

import os, re, sys from pypdf import PdfReader, PdfWriter  SRC = sys.argv[1] if len(sys.argv) > 1 else "10月报销票据汇总.pdf" OUT = "拆分结果"; os.makedirs(OUT, exist_ok=True)  def clean(s):     return re.sub(r'[\\/:*?"<>|\s]+', "", s)[:12]  reader = PdfReader(SRC) for i, page in enumerate(reader.pages, 1):     text = (page.extract_text() or "").strip()     if len(text) > 20:                      # 有文字层 = 电子票         m_type = text.split("\n")[0].strip()         m_amt  = re.search(r"[￥¥]\s*([0-9][0-9,]*\.?[0-9]{0,2})", text)         amt    = float(m_amt.group(1).replace(",", "")) if m_amt else 0.0         name   = f"{i:02d}_{clean(m_type)}_{amt:.2f}元.pdf"     else:                                   # 没文字层 = 扫描件         name = f"{i:02d}_需人工核对.pdf"     w = PdfWriter(); w.add_page(page)     with open(os.path.join(OUT, name), "wb") as f:         w.write(f)

跑：

python 20261103-demo.py 你的报销文件.pdf

跑完当前目录多一个「拆分结果」文件夹，24 个文件躺在里面。它只读原文件、只写新文件夹，你那份汇总 PDF 一根毫毛都不少。

踩过的坑

1. 扫描件读出来是空的，不是脚本坏了。 拍照生成的 PDF 没有文字层，pypdf 读到的是空字符串。要让它也自动命名，得上 OCR，那是另一篇文章的事。现在的处理是老实标「需人工核对」，4 页手工 2 分钟。

2. 金额只认 ￥ 后面的数字。 发票里「金额（大写）」那些行不用管，正则只抓第一个 ￥，实测 20 张全部抓对。

3. Windows 文件名里不能有 \ / : * ? " < > |，所以 clean() 会把它们和空格一起去掉。高铁票名字里的「南宁→玉林」那个箭头是合法的，会保留。

一页速查

下期工具包是《PDF 包》：合并、拆分、压缩、扫描件转可搜索，大概两周后。这篇的拆分是它的第一步，先单页用起来。

身边有每个月报销贴票贴到眼花的同事，把这个转给他——他今晚就能少翻 24 次文件。