zbparse/flask_app/general/merge_pdfs.py

import os

from PyPDF2 import PdfReader, PdfWriter
#合并PDF
def merge_pdfs(paths, output_path):
    # 检查是否所有路径都是空字符串或仅包含空白字符
    if not any(path.strip() for path in paths):
        return ""

    pdf_writer = PdfWriter()
    last_page_text = None  # 用于存储上一个PDF的最后一页的文本

    for path in paths:
        # 跳过空字符串或仅包含空白字符的路径
        if not path.strip():
            continue
        try:
            pdf_reader = PdfReader(path)
            pages = pdf_reader.pages
            start_index = 0  # 从第一页开始添加

            # 如果这不是第一个文件，并且有上一个文件的最后一页文本
            if last_page_text is not None and len(pages) > 0:
                current_first_page_text = pages[0].extract_text() or ""
                # 比较当前文件的第一页和上一个文件的最后一页的文本
                if current_first_page_text == last_page_text:
                    start_index = 1  # 如果相同，跳过当前文件的第一页

            # 添加当前PDF的页面到写入器
            for page_num in range(start_index, len(pages)):
                pdf_writer.add_page(pages[page_num])

            # 更新 last_page_text 为当前PDF的最后一页的文本
            if len(pages) > 0:
                last_page_text = pages[-1].extract_text() or ""
        except Exception as e:
            print(f"文件 '{path}' 无法处理，错误: {e}")
            continue

    # 如果没有添加任何页面，返回空字符串
    if len(pdf_writer.pages) == 0:
        return ""

    # 写入合并后的PDF到文件
    try:
        with open(output_path, 'wb') as out:
            pdf_writer.write(out)
        return output_path
    except Exception as e:
        print(f"无法写入输出文件，错误: {e}")
        return ""

def judge_file_exist(original_path, new_suffix):
    # 提取目录路径和原始文件名
    directory = os.path.dirname(original_path)
    original_filename = os.path.basename(original_path)

    # 替换文件名中的旧后缀为新后缀
    # 假设原始文件名格式为 '2-招标文件_qualification.pdf'
    # 需要替换 '_qualification' 部分为 '_qualification2'
    new_filename = original_filename.replace("_qualification1", f"_{new_suffix}")
    new_filename = new_filename.replace("_qualification2", f"_{new_suffix}")
    # 生成新的文件路径
    new_file_path = os.path.join(directory, new_filename)

    # 检查新文件是否存在
    if os.path.isfile(new_file_path):
        return new_file_path
    else:
        return None

def merge_and_cleanup(output_pdf_path, suffix_to_merge):
    another_file_path = judge_file_exist(output_pdf_path, suffix_to_merge)
    if another_file_path:
        paths = [output_pdf_path, another_file_path]  # 需要合并的 PDF 文件路径
        merge_pdfs(paths, output_pdf_path)
        os.remove(another_file_path)
        print(f"文件 {another_file_path} 已删除。")
def find_and_merge(target_path, output_suffix):
    # 获取 target_path 所在的目录
    directory = os.path.dirname(target_path)
    full_path=""
    # 遍历目录中的所有文件，寻找以 output_suffix 结尾的文件
    for filename in os.listdir(directory):
        if filename.endswith(output_suffix):
            # 拼接目录路径和文件名，生成完整路径
            full_path = os.path.join(directory, filename)
    if not full_path:
        paths=[target_path]
    else:
        paths=[target_path,full_path]
    merge_pdfs(paths,target_path)

def merge_selected_pdfs(output_folder, truncate_files, output_path, base_file_name, mode='engineering'):
    """
    通用的 PDF 合并函数，根据不同的模式合并指定的文件。

    参数：
    - output_folder (str): 包含以 {base_file_name}_before.pdf 结尾的 PDF 文件的文件夹路径。
    - truncate_files (list): 包含 PDF 文件路径的列表。
    - output_path (str): 合并后的 PDF 文件保存路径。
    - base_file_name (str): 用于匹配文件名的基础名称。
    - mode (str): 合并模式，支持 'engineering' 和 'goods'。

    返回:
    - str: 如果合并成功，返回 output_path；否则，返回空字符串 ""。
    """
    try:
        all_output_files = os.listdir(output_folder)
    except FileNotFoundError:
        print(f"输出文件夹 '{output_folder}' 未找到。")
        return ""
    except PermissionError:
        print(f"没有权限访问输出文件夹 '{output_folder}'。")
        return ""

    if mode == 'engineering':
        required_suffixes = [
            f'{base_file_name}_before.pdf',
            f'{base_file_name}_notice.pdf',
            f'{base_file_name}_tobidders_notice_table.pdf'
        ]
        optional_suffixes = []
    elif mode == 'goods':
        required_suffixes = [
            f'{base_file_name}_before.pdf',
            f'{base_file_name}_notice.pdf',
            f'{base_file_name}_tobidders_notice_part1.pdf'
        ]
        optional_suffixes = [
            f'{base_file_name}_tobidders_notice_part2.pdf'
        ]
    else:
        print(f"未知的合并模式: {mode}")
        return ""

    all_pdfs_to_merge = []
    missing_files = []

    # 处理必需的文件
    for suffix in required_suffixes:
        if suffix == f'{base_file_name}_before.pdf':
            matching_files = [
                os.path.join(output_folder, f)
                for f in all_output_files
                if f.endswith(suffix)
            ]
        else:
            matching_files = [f for f in truncate_files if f.endswith(suffix)]

        if matching_files:
            matching_files_sorted = sorted(matching_files)
            all_pdfs_to_merge.extend(matching_files_sorted)
            for f in matching_files_sorted:
                print(f"选中文件: {f}")
        else:
            print(f"没有找到以 '{suffix}' 结尾的文件。")
            missing_files.append(suffix)

    # 处理可选的文件
    for suffix in optional_suffixes:
        if suffix == f'{base_file_name}_before.pdf':
            matching_files = [
                os.path.join(output_folder, f)
                for f in all_output_files
                if f.endswith(suffix)
            ]
        else:
            matching_files = [f for f in truncate_files if f.endswith(suffix)]

        if matching_files:
            matching_files_sorted = sorted(matching_files)
            all_pdfs_to_merge.extend(matching_files_sorted)
            for f in matching_files_sorted:
                print(f"选中文件: {f}")
        else:
            print(f"可选文件 '{suffix}' 未找到，继续合并。")

    # 检查是否所有必需的文件都已找到
    if missing_files:
        print("缺少以下必要的 PDF 文件，无法进行合并:")
        for missing in missing_files:
            print(f" - {missing}")
        return ""

    print(f"总共将要合并的 PDF 文件数量: {len(all_pdfs_to_merge)}")

    # 过滤掉不存在或为空的文件路径
    all_pdfs_to_merge = [f for f in all_pdfs_to_merge if os.path.isfile(f) and os.path.getsize(f) > 0]

    if not all_pdfs_to_merge:
        print("没有找到要合并的有效 PDF 文件。")
        return ""

    # 调用 merge_pdfs 函数进行合并
    try:
        merge_pdfs(all_pdfs_to_merge, output_path)
        print(f"已成功合并 PDF 文件到 '{output_path}'。")
    except Exception as e:
        print(f"合并 PDF 文件时出错: {e}")
        return ""

    # 检查合并后的文件是否存在且不为空
    if os.path.exists(output_path) and os.path.getsize(output_path) > 0:
        before_pdf_path = os.path.join(output_folder, f"{base_file_name}_before.pdf")
        if os.path.exists(before_pdf_path):
            try:
                os.remove(before_pdf_path)
                print(f"已删除文件: {before_pdf_path}")
            except Exception as e:
                print(f"删除文件 {before_pdf_path} 时出错: {e}")
        else:
            print(f"未找到要删除的文件: {before_pdf_path}")
        return output_path
    else:
        print(f"合并失败，没有生成 '{output_path}'。")
        return ""