Automatisation avec Python : Fractionner des documents PDF

Pourquoi j'aime les ordinateurs ? Parce qu'ils sont capables et désireux de faire un travail ennuyeux pour nous. Si nous leur donnons des instructions précises bien sûr. Je crois que les ordinateurs devraient être utilisés pour libérer les gens du travail répétitif non créatif/non philosophique. Ils peuvent le faire beaucoup mieux et les gens peuvent se concentrer sur quelque chose de plus intéressant.

Définition du problème

Un de mes collègues non techniciens a rencontré un problème lors du traitement de documents pdf volumineux (plusieurs milliers de pages). Ils étaient très frustrés car ils devaient passer toute la journée à diviser plusieurs milliers de pages en documents plus petits de 20 pages. Vous pouvez probablement deviner que ce genre de tâche n'excite pratiquement personne.

Voyant à quel point la personne était frustrée, j'ai décidé d'intensifier et de développer un programme très simple qui fera ce travail à la place de l'humain. Et il peut le faire en une seconde au lieu de toute la journée.

Scénario

Passons à la solution. J'ai décidé d'utiliser python et la bibliothèque PyPDF2 qui nous permet de manipuler des documents pdf.

Commençons par installer PyPDF2 (assurez-vous que pip est déjà installé sur votre système) :

pip install PyPDF2

Nous devons d'abord importer PyPDF2 et ses méthodes. Pour notre cas spécifique, nous aurons besoin de méthodes de lecture et d'écriture :

from PyPDF2 import PdfFileWriter, PdfFileReader

inputpdf = PdfFileReader(open(“document.pdf”, “rb”))

Et maintenant nous sommes prêts à passer à la partie principale du programme.

Utilisons une boucle while pour itérer autant de fois que nécessaire pour créer tous les documents. Dans cette boucle, nous allons parcourir le document d'origine, sélectionner et ajouter autant de pages que nécessaire au nouveau document (dans notre cas, 20). Et puis nous allons créer un nouveau document. Nous devons également nommer correctement les nouveaux documents pour aider les utilisateurs à voir quel document contient quelles pages. À la fin de la boucle while, mettons à jour les variables de début et de fin afin de pouvoir passer à la partie suivante des pages lors de la prochaine itération.

Et voilà, de nouveaux documents ont été créés. Découvrez le code complet de notre programme :

Conclusion

Bien que ce script soit assez simple, il a fait gagner une journée entière de travail à la personne brillante et très productive. Et c'est ce que les technologies devraient faire ! Gagnez du temps pour les êtres sensibles !

Continuez à apprendre, continuez à grandir!

Connectons-nous sur LinkedIn !