幾週前，我的主管給了我一個挑戰，看看我是否可以針對我們遇到的特定問題提出一個工作流程。我們希望將 Pre/ACT 信件放入我們的 SMS（學生管理系統）中，在我們的例子中是 Skyward。我們遇到的問題是，Pre/ACT 信件要么是批量 PDF，要么是單獨的 PDF，要進入 Skyward，我們需要每個學生的姓名作為 ID 號碼的 PDF。為了實現這一目標，我決定用 Python 編寫一個程序，並使用 Streamlit 作為 UI。
讓我們看看我們需要解決的問題，從 PDF 開始。取得信件的大量單一 PDF 匯出更有意義，這意味著我們需要將批次匯出拆分為單獨的 PDF。雖然每個字母通常有 2 頁，但情況並非總是如此，因此每隔一頁進行簡單的分隔可能很容易出錯。
第二個問題是讀取每個學生的PDF並將其重新命名為對應的ID Number。這主要取決於能夠滿足我需求的正規表示式模式。
由於這也是一個時間挑戰，我與 AI 合作來幫助產生程式碼。注意：這並不能取代了解您正在使用的邏輯和語言。當使用 AI/LLM 編寫本文時，我使用了思維鏈方法，給出了我想要的小塊，然後在添加更多區塊之前調試和測試每個區塊。下面的程式碼是最終使用的程式碼，我將逐節分解每個程式碼。如果您希望在您的學區將此作為解決方案實施，請參閱本文末尾的 TLDR。
這部分相當簡單，是程式運作的基礎。
requirements.txt內容
streamlit pypdf2 fitz pymupdf
app.py 導入
import PyPDF2 import fitz # PyMuPDF import re from pathlib import Path import concurrent.futures import streamlit as st import shutil import zipfile import os
下一個片段涉及在批量 PDF 中查找 ID 並創建用於拆分它們的頁面列表，這是取決於正則表達式的部分，可能需要根據您的情況進行更改。
def find_id_pages(input_pdf):
doc = fitz.open(input_pdf)
id_pages = []
id_pattern = re.compile(r'\(ID#:\s*(\d+)\)')
for i, page in enumerate(doc):
text = page.get_text()
if id_pattern.search(text):
id_pages.append(i)
return id_pages
如標題所說，這是用來分割PDF的。這將使用一個函數來提取每個 PDF 的名稱。您還會注意到，這會將它們並行拆分（一次最多 10 個），以提高效能。
def split_pdf(input_pdf, output_folder, progress_callback):
input_path = Path(input_pdf)
output_folder = Path(output_folder)
output_folder.mkdir(parents=True, exist_ok=True)
# Find pages with IDs
id_pages = find_id_pages(input_pdf)
if not id_pages:
st.error("No ID pages found in the PDF.")
return
pdf_reader = PyPDF2.PdfReader(str(input_path))
total_pages = len(pdf_reader.pages)
temp_pdfs = []
for i in range(len(id_pages)):
start_page = id_pages[i]
end_page = id_pages[i + 1] if i + 1 < len(id_pages) else total_pages
pdf_writer = PyPDF2.PdfWriter()
for j in range(start_page, end_page):
pdf_writer.add_page(pdf_reader.pages[j])
temp_pdf_path = output_folder / f'temp_{i}.pdf'
with open(temp_pdf_path, 'wb') as output_pdf:
pdf_writer.write(output_pdf)
temp_pdfs.append(temp_pdf_path)
progress_callback((i + 1) / len(id_pages)) # Update progress bar
# Process renaming in parallel
with concurrent.futures.ThreadPoolExecutor(max_workers=10) as executor:
executor.map(lambda pdf_path: extract_and_rename_pdf(pdf_path, output_folder), temp_pdfs)
def extract_and_rename_pdf(pdf_path, output_folder):
doc = fitz.open(pdf_path)
text_first_page = doc[0].get_text()
# Extract ID using a regex pattern for the format (ID#: 01234)
match_first_page = re.search(r'\(ID#:\s*(\d+)\)', text_first_page)
if match_first_page:
id_value = match_first_page.group(1)
new_pdf_path = output_folder / f'{id_value}.pdf'
pdf_path.rename(new_pdf_path)
else:
new_pdf_path = output_folder / f'unknown_{pdf_path.stem}.pdf'
pdf_path.rename(new_pdf_path)
接下來是幾個簡短的函數，一個用於壓縮所有拆分的PDF（如果您想在內部伺服器上運行它），另一個用於清理任何臨時文件，這樣就不會出現PII 學生信息它不需要生存。
def zip_output_folder(output_folder, zip_name): shutil.make_archive(zip_name, 'zip', output_folder)
def clean_up(output_folder, zip_name):
shutil.rmtree(output_folder)
os.remove(f"{zip_name}.zip")
最後一段程式碼是用於 UI 的。 Streamlit 是一個多功能的 WebUI（是的，您可以單獨運行它）。經過幾次嘗試並考慮可用性。為了簡單起見，我將其簡化為上傳按鈕、操作按鈕（即分割）和下載按鈕以取得壓縮的 PDF。
# Streamlit App Portion
st.title("PDF Splitter and Renamer")
uploaded_file = st.file_uploader("Choose a PDF file", type="pdf")
output_folder = "output_folder"
if st.button("Split and Rename PDF"):
if uploaded_file and output_folder:
try:
# Save uploaded file temporarily
with open("temp_input.pdf", "wb") as f:
f.write(uploaded_file.getbuffer())
progress_bar = st.progress(0)
def update_progress(progress):
progress_bar.progress(progress)
split_pdf("temp_input.pdf", output_folder, update_progress)
zip_name = "output_pdfs"
zip_output_folder(output_folder, zip_name)
st.success("PDF split and renamed successfully!")
with open(f"{zip_name}.zip", "rb") as f:
st.download_button(
label="Download ZIP",
data=f,
file_name=f"{zip_name}.zip",
mime="application/zip"
)
# Remove temporary file
Path("temp_input.pdf").unlink()
clean_up(output_folder, zip_name)
except Exception as e:
st.error(f"An error occurred: {e}")
else:
st.error("Please upload a PDF file and specify an output folder.")
要啟動並執行，只需使用以下命令（假設為 Linux、WSL 和 MacOS）。您可以透過造訪 http://localhost:8501 來存取該應用程式。
git clone https://github.com/Blacknight318/act-to-sms.git cd act-to-sms python3 -m venv venv source venv/bin/activate pip install -r requirements.txt streamlit run app.py
如果您就讀 K12 學校，我希望這對您有幫助。如果是這樣，請鼓掌或考慮為我買杯咖啡。下次見，順風順水。
以上是輕鬆分割並重新命名 Skyward 的 PDF的詳細內容。更多資訊請關注PHP中文網其他相關文章！
