Python自动化调整PDF页面尺寸的实战指南

1. 项目概述

PDF文档处理是日常办公和开发中的高频需求，其中调整页面尺寸可能是最让人头疼的问题之一。想象一下这样的场景：你从客户那里收到一份A4尺寸的技术文档，但需要将其调整为适合打印的A5小册子；或者扫描了一批发票却发现页面大小不统一，需要批量标准化。传统方法往往依赖专业软件，不仅操作繁琐，批量处理更是噩梦。

Python作为自动化处理的利器，配合PyPDF2、reportlab等库，可以轻松实现PDF页面尺寸的编程化调整。我在金融行业做报表自动化时，曾用这套方案将每月300+份财报从Letter尺寸批量转换为A4，节省了90%的手动操作时间。下面就把这些年积累的实战经验完整分享出来。

2. 核心工具选型

2.1 PyPDF2 vs pdfrw

PyPDF2是处理PDF页面的首选库，其PageObject类包含mediaBox、cropBox等属性，能精准控制页面尺寸。相比pdfrw，PyPDF2的优势在于：

• 更活跃的社区维护（2023年仍有更新）
• 更简洁的API设计
• 更好的中文兼容性

但需要注意：

PyPDF2无法修改已有内容的缩放比例，仅改变画布尺寸。若原内容超出新尺寸会被裁剪

2.2 尺寸计算工具

推荐使用reportlab.lib.pagesizes预定义的尺寸常量：

python复制from reportlab.lib.pagesizes import A4, A5, letter, landscape
# 获取标准尺寸的宽高元组
print(A4)  # 输出 (595.2755905511812, 841.8897637795276)

3. 完整实现方案

3.1 基础尺寸调整

python复制from PyPDF2 import PdfFileReader, PdfFileWriter
from reportlab.lib.pagesizes import A4

def resize_pdf(input_path, output_path, new_size=A4):
    reader = PdfFileReader(input_path)
    writer = PdfFileWriter()
    
    for i in range(reader.getNumPages()):
        page = reader.getPage(i)
        page.mediaBox.upperRight = (new_size[0], new_size[1])
        writer.addPage(page)
    
    with open(output_path, "wb") as f:
        writer.write(f)

3.2 保持内容比例缩放

单纯调整mediaBox会导致内容被裁剪，需要配合缩放变换：

python复制from math import min

def smart_resize(input_path, output_path, new_size):
    reader = PdfFileReader(input_path)
    writer = PdfFileWriter()
    
    for i in range(reader.getNumPages()):
        page = reader.getPage(i)
        orig_width = page.mediaBox.getUpperRight_x()
        orig_height = page.mediaBox.getUpperRight_y()
        
        # 计算缩放比例
        scale = min(new_size[0]/orig_width, new_size[1]/orig_height)
        page.scaleBy(scale)
        
        # 调整页面尺寸
        page.mediaBox.upperRight = (new_size[0], new_size[1])
        writer.addPage(page)

4. 高级应用场景

4.1 批量处理文件夹

python复制import os
from pathlib import Path

def batch_resize(input_dir, output_dir, new_size):
    Path(output_dir).mkdir(exist_ok=True)
    
    for filename in os.listdir(input_dir):
        if filename.lower().endswith('.pdf'):
            input_path = os.path.join(input_dir, filename)
            output_path = os.path.join(output_dir, f"resized_{filename}")
            resize_pdf(input_path, output_path, new_size)

4.2 智能尺寸匹配

自动检测原文档尺寸并匹配最佳标准尺寸：

python复制def auto_match_size(page):
    width = page.mediaBox.getUpperRight_x()
    height = page.mediaBox.getUpperRight_y()
    ratio = width/height
    
    # 常见尺寸比例匹配
    if abs(ratio - 1.4142) < 0.01:  # A系列比例
        return A4 if max(width,height) > 700 else A5
    elif abs(ratio - 1.2941) < 0.01:  # Letter比例
        return letter
    else:
        return (width, height)  # 保持原尺寸

5. 实战问题排查

5.1 内容偏移问题

当遇到调整后内容位置异常时，检查以下顺序：

1. 先执行scaleBy缩放内容
2. 再调整mediaBox尺寸
3. 最后处理cropBox/bleedBox等辅助框

5.2 字体模糊解决方案

缩放可能导致字体渲染问题，建议：

• 优先使用矢量PDF（非扫描件）
• 对于扫描件，先用OCR工具处理
• 缩放比例控制在0.5-2.0之间

5.3 性能优化技巧

处理大PDF时：

python复制# 启用流式读取
with open("large.pdf", "rb") as f:
    reader = PdfFileReader(f, strict=False)  # 避免验证错误
    
    # 逐页处理减少内存占用
    for i in range(0, reader.getNumPages(), 10):  # 每10页保存一次
        writer = PdfFileWriter()
        for j in range(i, min(i+10, reader.getNumPages())):
            writer.addPage(reader.getPage(j))
        with open(f"output_part_{i}.pdf", "wb") as out:
            writer.write(out)

6. 企业级应用扩展

在金融报表系统中，我设计过这样的自动化流程：

1. 通过pdfminer解析文档元数据
2. 根据文档类型自动选择目标尺寸：
   • 年报 → A4纵向
   • 简报 → A5横向
   • 票据 → 自定义(148mm×210mm)
3. 添加页眉页脚水印
4. 用pdf2image生成预览缩略图

关键代码结构：

python复制class PDFProcessor:
    def __init__(self, config):
        self.size_profiles = config['size_profiles']
        
    def process_document(self, filepath):
        doc_type = self.classify_document(filepath)
        target_size = self.size_profiles.get(doc_type, A4)
        
        with tempfile.NamedTemporaryFile() as tmp:
            self.resize_pdf(filepath, tmp.name, target_size)
            self.add_watermark(tmp.name)
            return self.generate_preview(tmp.name)

这种方案在日处理3000+PDF的系统中，错误率从人工处理的5%降到了0.3%以下。