PyPDF2该退休了:合并PDF都能出错

一、引言

分享知识＋推广我的Python书。

今天分享用PyPDF2和pypdf合并PDF文件的代码，以飨读者。

环境：64位Win 10中文版 + 64位Python 3.8

二、新书推广

《Python程序设计（基于计算思维和新文科建设）》，ISBN：9787121435577，胡凤国，电子工业出版社，2022年6月。

本书是电子工业出版社在国内较早采用纸质版+电子版的创新图书发行模式的第一次尝试。本书是这套创新图书的纸质版部分，与之内容互补的电子版图书将稍后出版。

本书的内容包含基础篇和排错篇两部分：

基础篇介绍Python程序设计的入门知识，共12章，包括：

⑴ Python简介

⑵ Python软件的安装和Python程序运行；

⑶ Python的基本概念（对象、数据类型、表达式、内置函数）；

⑷输入和输出；

⑸ 程序设计的三种基本结构；

⑹ 函数和类；

⑺ 序列操作（列表、元组、集合、字典）；

⑻ 字符串；

⑼ 正则表达式；

⑽ 文件读写；

⑾ 目录与文件操作；

⑿ 常用标准库介绍。

排错篇总结初学者常遇到的错误并介绍程序调试方法，包含2章：

⒀ Python错误类型；

⒁ Python代码调试。

本书详细目录见本文末尾。

与本书内容互补的电子版图书包含文本篇和应用篇两部分：

文本篇：介绍字符集、编码和文本文件读写的知识，包含了对国家规范《通用规范汉字表》8105个汉字当中难以输入和难以显示的汉字的处理。

应用篇：介绍Word、Excel、PPT、PDF、图片等常用办公文件的处理，是大家提高办公和科研效率的好帮手。

本书配套有详细的PPT和教学大纲，还有全部例题的程序代码和绝大部分思考题的程序代码。

本书配套PPT里面还加入了配套电子版图书中的部分内容，比如字符集和编码，不同编码的文本文件的读写，Word、Excel、PPT、PDF等一些常用办公文件的读写。

本书的配套资源可以在电子工业出版社官网下载。

本书的读者对象：

1、大学文科生，可选本书当Python教材或自学Python的参考书。

2、大学理工科学生，可选本书当自学Python的参考书。

3、文科领域的教师、科研人员和研究生

可拿本书当工具书，本书的配套程序会为您节省效率，在当前大数据和新文科的背景下，本书可以为相关领域的量化研究提供技术支持。

4、理工科领域的教师、科研人员和研究生

本书配套的电子版图书中的编码和文本处理知识也可以作为理工科教师和科研人员处理文本数据的参考资料之一，毕竟专门开辟章节介绍国家标准《通用规范汉字表》汉字处理的程序设计图书并不多见。

5、青少年学生

本书有专门的海龟画图章节，有大量的有趣数学题目，可以培养学生的计算思维，适合对编程感兴趣的中小学生阅读，也适合打算让娃参加编程辅导班的家长朋友参考。

本书在各大实体书店和网店均有销售。京东、天猫、当当的购买渠道如下（可扫码直达购买页面）。

三、准备PDF文件

找一些PDF文件，放入pdf目录。随便找的PDF文件可能合并不会出错，偏偏我找的PDF文件当中，有一个PDF文件，用PyPDF2合并它的时候会报错，用pypdf合并的时候就不会报错。

四、程序

用PyPDF2合并PDF文件的代码如下：

这段代码一般不会报错，对于个别的PDF文件，合并时会报错：

关键的错误信息如下：

PyPDF2.errors.PdfReadError: Invalid Elementary Object starting with b'b' @2: b'DF-1.7\r\n%\xa1\xb3\xc5\xd7\r\n6 0 obj\r\n<</Filter/FlateDecode/Length 1585>>stream\r\nx\x9c\xddZ\xc9\x8a\x1cG\x10\xbd\x1b\xfa\x1f'

AI建议改用 pypdf，再合并同一批文件，成功。代码如下：

这段代码运行不会报错，但合并那个导致PyPDF2出错的PDF文件时，会给出一些提示信息：

Ignoring wrong pointing object 21 0 (offset 0)

Ignoring wrong pointing object 22 0 (offset 0)

Ignoring wrong pointing object 23 0 (offset 0)

Ignoring wrong pointing object 24 0 (offset 0)

Ignoring wrong pointing object 25 0 (offset 0)

Ignoring wrong pointing object 26 0 (offset 0)

Ignoring wrong pointing object 27 0 (offset 0)

Ignoring wrong pointing object 28 0 (offset 0)

Ignoring wrong pointing object 29 0 (offset 0)

Ignoring wrong pointing object 30 0 (offset 0)

Ignoring wrong pointing object 31 0 (offset 0)

Ignoring wrong pointing object 32 0 (offset 0)

这说明那个导致PyPDF2出错的PDF文件是有问题的。

五、讨论

1、这个特定的PDF，用一般的PDF阅读器都能打开查看，但PyPDF2就是不行，说明它的格式不是标准的PDF格式。这种PDF文件可遇而不可求，可能是由不规范的软件产生的。由于该PDF文件有人名，所以不便分享。大家也无法验证第一个程序遇到的错误。

2、pypdf是PyPDF2的升级版，PyPDF2搞不定的，用pypdf往往就能搞定，所以，我们让PyPDF2退休吧。

六、联系交流

由于本号文章以辅助教学为主，笔者不建议自己的学生直接拿代码运行，而是建议在理解了思路之后自己敲代码来加深印象，所以本号一般不直接贴代码。如果读者朋友有需要本文或本号其它以 nihao2021year 的名义推送的文章的代码，请关注本号，直接加笔者微信联系，尽量别给公众号留言（查看不及时，经常漏看一些留言，时间长了无法回复）。

欢迎关注微信公众号“语和言”，本公众号将不定期发布对图书《Python程序设计（基于计算思维和新文科建设）》中的Python知识点进行解读和补充的内容。语和言公众号还有读者交流群，读者朋友可以入群一起讨论问题。

欢迎跟图书《Python程序设计（基于计算思维和新文科建设）》的作者胡凤国老师进行交流，电邮：cuchufengguo@163.com。

七、图书目录

图书《Python程序设计（基于计算思维和新文科建设）》目录如下（手机端可以用手指上下滑动下面灰色区域的文字来查看全部目录，电脑端可以用鼠标滚动滚轮或拖动下面文本框右边的滚动条来浏览全部目录）：

第一篇基础篇

第1章 Python介绍

1.1 什么是Python

1.1.1 有一种编程语言叫Python

1.1.2 Python的发展史

1.1.3 Python的版本选择

1.2 为什么要学习Python

1.2.1 为什么要学编程

1.2.2 学编程为什么选Python

1.3 怎样学习Python

第2章 Python的安装和运行

2.1 安装Python软件

2.1.1 软件下载

2.1.2 安装

2.1.3 测试

2.2 运行Python代码

2.2.1 交互式运行

2.2.2 脚本式运行

2.2.3 命令行运行

2.2.4 扩展式运行

2.2.5 运行Python代码的误区

2.2.6 合法的Python语句

2.3 Python代码书写规范

2.4 Python扩展库和标准库

2.4.1 扩展库的安装

2.4.2 标准库和扩展库的使用

第3章 Python的基本概念

3.1 数据和数据类型

3.1.1 数据与对象

3.1.2 数据类型

3.2 变量与关键字

3.2.1 对象的存储

3.2.2 变量

3.2.3 关键字

3.3 运算符和表达式

3.3.1 常量数据和变量数据

3.3.2 运算符

3.3.3 表达式

3.4 内置函数和内置对象

3.4.1 内置函数

3.4.2 内置对象

思考题

第4章输入和输出

4.1 数据输入

4.1.1 获取输入数据

4.1.2 转换输入数据

4.1.3 处理输入错误

4.2 数据输出

4.2.1 *简单的数据输出

4.2.2 数据格式化

4.3 综合举例

4.3.1 十进制转二进制（一）

4.3.2 鸡兔同笼（一）

4.3.3 韩信点兵（一）

4.3.4 换酒问题（一）

4.3.5 最大公约数（一）

4.3.6 交换两个变量的值

思考题

第5章基本程序结构

5.1 结构化程序设计

5.1.1 顺序结构

5.1.2 选择结构

5.1.3 循环结构

5.1.4 结构嵌套

5.2 顺序结构

5.2.1 顺序结构举例

5.2.2 顺序结构的拼接

5.3 选择结构

5.3.1 单分支选择结构

5.3.2 双分支选择结构

5.3.3 多分支选择结构

5.3.4 选择结构的嵌套

5.3.5 条件表达式

5.3.6 选择结构的多样性

5.4 循环结构

5.4.1 while循环

5.4.2 for 循环

5.4.3 continue语句

5.4.4 break语句

5.4.5 循环结构中的else子句

5.5 循环结构的嵌套

5.6 综合举例

5.6.1 十进制转二进制（二）

5.6.2 鸡兔同笼（二）

5.6.3 韩信点兵（二）

5.6.4 换酒问题（二）

5.6.5 *大公约数（二）

5.6.6 百钱百鸡

5.6.7 兔子数列

5.6.8 奇数幻方

5.6.9 哥德巴赫猜想（一）

5.6.10 信息加密（一）

5.6.11 求圆周率

5.6.12 海龟画图

思考题

第6章函数和类

6.1 使用函数的好处

6.2 函数的定义和调用

6.2.1 函数的定义

6.2.2 函数的调用

6.2.3 关于函数返回值的注意事项

6.3 函数参数的传递与接收

6.3.1 函数参数的传递方式

6.3.2 函数形参接收实参的形式

6.4 函数中的局部变量和全局变量

6.5 lambda表达式

6.6 生成器函数

6.7 自定义函数库

6.8 递归函数

6.8.1 什么是递归函数

6.8.2 递归函数和算法

6.8.3 Python中的*大递归次数

6.8.4 递归函数举例

6.8.5 递归与循环的关系

6.8.6 递归函数的时间效率

6.9 类和对象

6.9.1 类和对象的概念

6.9.2 类的定义和使用示例

思考题

第7章 Python的序列操作

7.1 序列结构

7.2 列表及其操作

7.2.1 列表的标准形式

7.2.2 列表对象的创建和删除

7.2.3 列表元素的读取、修改和删除

7.2.4 列表对象常用的方法

7.2.5 用内置函数对列表进行操作

7.2.6 用运算符对列表进行运算

7.2.7 列表推导式

7.3 元组及其操作

7.3.1 元组的概念

7.3.2 元组的标准形式

7.3.3 元组对象的创建

7.3.4 元组元素的读取

7.3.5 元组对象常用的方法

7.3.6 用内置函数对元组进行操作

7.3.7 用运算符对元组进行运算

7.3.8 生成器推导式

7.4 字典及其操作

7.4.1 字典的标准形式

7.4.2 字典的创建

7.4.3 字典元素的添加和修改

7.4.4 字典元素的读取

7.4.5 字典元素的删除

7.4.6 字典对象常用的方法

7.4.7 用内置函数对字典进行操作

7.4.8 用运算符对字典进行运算

7.5 集合及其操作

7.5.1 集合的标准形式

7.5.2 集合的创建

7.5.3 集合元素的添加

7.5.4 集合元素的删除

7.5.5 集合元素的读取

7.5.6 集合对象常用的方法

7.5.7 用内置函数对集合进行操作

7.5.8 用运算符对集合进行运算

7.6 切片

7.6.1 切片的格式

7.6.2 用切片对列表的元素进行增删改

7.7 NumPy和Pandas扩展库的简单操作

7.7.1 NumPy扩展库

7.7.2 Pandas扩展库

7.8 序列类对象的通用操作总结

7.9 综合举例

7.9.1 判断列表中有无重复元素

7.9.2 百分制转五分制

7.9.3 中文星期名称转英文星期名称

7.9.4 判断某年某月有几天

7.9.5 求两个可迭代对象的笛卡尔积

7.9.6 查找列表中*小元素的所有位置

7.9.7 查找N以内的所有素数

7.9.8 年份生肖（一）

7.9.9 农村小孩的乳名（一）

7.9.10 天干地支顺序配对（一）

7.9.11 判断黑洞数（一）

7.9.12 哥德巴赫猜想（二）

7.9.13 信息加密（二）

思考题

第8章字符串

8.1 字符串的表示

8.1.1 字符串界定符

8.1.2 转义字符

8.1.3 原始字符串

8.1.4 字符串和字符的区分

8.1.5 字符串的标准形式

8.1.6 长字符串的表示方法

8.1.7 三引号注释

8.2 字符串的操作

8.2.1 Python关于对象的通用操作

8.2.2 关于序列类对象的通用操作

8.2.3 关于有序序列类对象的通用操作

8.2.4 关于元素可比较的有序序列类对象的通用操作

8.2.5 针对字符串对象的其他操作

8.3 字符串方法

8.3.1 格式化类的方法

8.3.2 排版类的方法

8.3.3 类型判断类的方法

8.3.4 查找类的方法

8.3.5 统计类的方法

8.3.6 首尾匹配类的方法

8.3.7 分割类的方法

8.3.8 合并类的方法

8.3.9 大小写转换类的方法

8.3.10 削边类的方法

8.3.11 替换类的方法

8.3.12 编码解码类方法

8.4 字词统计和中文分词

8.4.1 字符统计

8.4.2 词语统计

8.4.3 中文自动分词和词性标注

8.5 综合举例

8.5.1 屏蔽敏感词

8.5.2 年份生肖（二）

8.5.3 农村小孩的乳名（二）

8.5.4 天干地支顺序配对（二）

8.5.5 判断黑洞数（二）

8.5.6 哥德巴赫猜想（三）

8.5.7 信息加密（三）

8.5.8 公民身份号码

8.5.9 十进制转任意进制

思考题

第9章正则表达式

9.1 什么是正则表达式

9.2 正则表达式的语法

9.2.1 万能符

9.2.2 转义符

9.2.3 元字符

9.2.4 选字符

9.2.5 连字符

9.2.6 脱字符

9.2.7 简写符

9.2.8 选串符

9.2.9 定位符

9.2.10 分组符

9.2.11 数量符

9.2.12 非贪婪匹配标识符

9.2.13 子表达式

9.2.14 预查

9.2.15 命名子表达式

9.3 在Python中使用正则表达式

9.3.1 re.findall函数

9.3.2 re.match函数

9.3.3 re.search函数

9.3.4 re.split函数

9.3.5 re.sub和re.subn函数

9.3.6 re.escape函数

9.3.7 re.compile函数

9.4 综合举例

思考题

第10章文件读写

10.1 文件简介

10.2 内置函数open

10.2.1 open函数的参数介绍

10.2.2 open函数的mode参数详解

10.2.3 文件对象的方法

10.3 文本文件的读写

10.3.1 从文本文件读取数据

10.3.2 将数据写入文本文件

10.3.3 用上下文管理语句with来管理文本文件读写

10.4 JSON文件的读写

10.5 CSV文件的读写

10.6 二进制文件的读写

思考题

第11章目录与文件操作

11.1 文件和目录

11.1.1 驱动器

11.1.2 目录、文件夹、路径

11.1.3 目录名和文件名的命名规范

11.1.4 当前目录

11.1.5 环境变量

11.1.6 绝对路径和相对路径

11.1.7 可执行程序和应用程序

11.1.8 默认应用程序

11.2 文件目录操作的有关标准库介绍

11.2.1 os.path标准库介绍

11.2.2 os标准库介绍

11.2.3 shutil标准库的常用函数介绍

11.3 文件目录操作需要考虑的因素

11.4 文件目录操作

11.4.1 无读取写入文件

11.4.2 读取文件无写入

11.4.3 无读取写入目录

11.4.4 读取目录无写入

11.4.5 读取文件写入文件

11.4.6 读取文件写入目录

11.4.7 读取目录写入文件

思考题

第12章常用的Python标准库

12.1 collections标准库

12.2 copy标准库

12.3 decimal标准库

12.4 fractions标准库

12.5 functools标准库

12.6 itertools标准库

12.6.1 combinations对象

12.6.2 permutations对象

12.6.3 product对象

12.7 math标准库

12.8 random标准库

12.8.1 choice函数

12.8.2 randint函数

12.8.3 random函数

12.8.4 randrange函数

12.8.5 sample函数

12.8.6 shuffle函数

12.8.7 uniform函数

12.8.8 应用示例

12.9 sys标准库

12.9.1 获取Python解释器的位置

12.9.2 添加扩展库搜索目录

12.9.3 终止运行Python程序

12.9.4 获取命令行参数

12.10 tempfile标准库

12.10.1 功能介绍

12.10.2 应用示例

12.11 time标准库

12.11.1 有关概念

12.11.2 函数介绍

12.11.3 应用示例

12.12 datetime标准库

12.12.1 datetime标准库定义的常用类

12.12.2 应用示例

思考题

第二篇排错篇

第13章常见错误类型

13.1 编码错误

13.2 缩进错误

13.2.1 不当缩进错误

13.2.2 混用制表符和空格

13.3 语法错误

13.3.1 混淆大小写

13.3.2 混淆全半角

13.3.3 写错关键词

13.3.4 括号不配对

13.3.5 用三引号注释代码块引起语法错误

13.3.6 其他语法错误

13.4 运行错误

13.4.1 数学运算错误

13.4.2 数据类型错误

13.4.3 下标越界错误

13.4.4 文本文件编码错误

13.4.5 扩展库出错

13.4.6 计算机配置环境出错

13.5 逻辑错误

13.5.1 循环终值设定有问题

13.5.2 不同用途的变量同名

13.5.3 不该变的变量值被改变

13.5.4 语句缩进层次不清

13.5.5 混淆运算符的优先级

13.5.6 列表赋值错误

13.5.7 调用对象的方法不加括号

13.5.8 算法错误

第14章代码调试

14.1 输出对比法

14.2 IDLE调试法

14.3 装饰器方法

附录

附录A 环境变量设置

附录B 常用Python语句

附录C 常用Python运算符

附录D 内置函数format

附录E %格式化方法

附录F 不能显示的四字节汉字

附录G PyPDF2的BUG及解决方案

参考文献