Linux 下合并多个 PDF 文件为一个 PDF 文件的方法

技术背景

在 Linux 系统中，有时需要将多个 PDF 文件合并成一个大的 PDF 文件。例如，在整理文档、生成报告等场景下，合并多个相关的 PDF 文件可以提高文档的整体性和可读性。有多种工具和方法可实现这一需求，下面将介绍一些常见的解决方案。

实现步骤

1. 使用 pdfunite

pdfunite 是 poppler 工具集的一部分，安装较为常见，使用也相对简单。

pdfunite in-1.pdf in-2.pdf in-n.pdf out.pdf

为避免覆盖最后一个输入文件，可添加文件存在性检查：

export output_file=out.pdf && \
! test -e $output_file && \
pdfunite in-1.pdf in-2.pdf in-n.pdf $output_file

2. 使用 Ghostscript

Ghostscript 是一个强大的工具，无需额外安装其他软件。

gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -sOutputFile=merged.pdf mine1.pdf mine2.pdf

对于低分辨率的 PDF 文件，可使用以下改进版本：

gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -dPDFSETTINGS=/prepress -sOutputFile=merged.pdf mine1.pdf mine2.pdf

还可使用 -o 选项简化命令：

gs -q -sDEVICE=pdfwrite -dPDFSETTINGS=/prepress -o merged.pdf mine1.pdf mine2.pdf

3. 使用 pdftk

pdftk 可以处理加密的 PDF 文件。

pdftk file1.pdf file2.pdf cat output output.pdf

4. 使用 qpdf

qpdf 适合处理复杂的 PDF 操作，如选择特定页面合并。

qpdf --empty --pages *.pdf -- out.pdf

5. 使用 pdfjoin

pdfjoin a.pdf b.pdf

这会创建一个新的 b-joined.pdf 文件，包含 a.pdf 和 b.pdf 的内容。

6. 使用 Python 和 PyPDF2

当需要合并大量文件时，可使用 Python 结合 PyPDF2 库。

from pathlib import Path
from PyPDF2 import PdfMerger
import natsort

DIR = Path("dir-with-pdfs/")
OUTPUT = "output.pdf"

paths = DIR.glob("*.pdf")
paths = natsort.natsorted(paths)

merger = PdfMerger()

for path in paths:
    merger.append(path)

merger.write(OUTPUT)

核心代码

以下是使用 Ghostscript 合并多个 PDF 文件的核心代码：

gs -q -sDEVICE=pdfwrite -dPDFSETTINGS=/prepress -o merged.pdf mine1.pdf mine2.pdf

使用 Python 和 PyPDF2 合并 PDF 文件的核心代码：

from PyPDF2 import PdfMerger

merger = PdfMerger()
pdf_files = ['file1.pdf', 'file2.pdf', 'file3.pdf']

for pdf in pdf_files:
    merger.append(pdf)

merger.write('merged.pdf')
merger.close()

最佳实践

• 选择合适的工具：根据具体需求选择合适的工具。如果只是简单合并整个 PDF 文件，pdfunite 是不错的选择；如果需要处理加密文件，可使用 pdftk；如果需要更复杂的操作，如选择特定页面合并，qpdf 更合适。
• 注意文件大小：某些工具可能会导致合并后的文件大小显著增加，可根据情况调整参数，如使用 Ghostscript 时设置合适的 PDFSETTINGS。
• 检查文件完整性：合并前确保所有输入的 PDF 文件完整且可读，避免合并过程中出现错误。

常见问题

• pdfunite 覆盖文件：使用 pdfunite 时，如果忘记指定输出文件名，会覆盖最后一个输入文件。可添加文件存在性检查来避免。
• convert 命令效果不佳：convert 命令通常会将 PDF 转换为图像，导致质量下降和文件大小增加，不建议用于 PDF 合并。
• pdftk 依赖问题：在某些系统中，pdftk 可能依赖于 gcj，而部分系统不再支持该依赖，可考虑使用其他工具替代。
• 超链接和注释丢失：部分工具在合并过程中可能会导致超链接和注释丢失，如 pdfunite、pdfjoin 等。可使用 pdftk、sejda-console 等工具来保留这些信息。