注：需要先安装Ghostscript并设置环境变量

python
from PyPDF2 import PdfReader, PdfWriter
import os


#-----函数层开始-----
def compress_pdf_with_ghostscript(input_pdf, output_pdf):
    """
    使用 Ghostscript 压缩 PDF 文件
    :param input_pdf: 输入 PDF 文件路径
    :param output_pdf: 输出压缩后的 PDF 文件路径
    """
    command = f"gswin64 -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dQUIET -dBATCH -sOutputFile={output_pdf} {input_pdf}"
    os.system(command)
    print(f"压缩后的 PDF 文件已保存为：{output_pdf}")

def extract_text_from_page(page):
    """
    提取 PDF 页面中的文本内容。
    """
    return page.extract_text()

def contains_container_number(text):
    """
    判断页面文本是否包含集装箱号。
    假设集装箱号是由字母和数字组成的特定格式（例如：ABC1234567）。
    """
    import re
    # 集装箱号的正则表达式（假设是4个字母+7个数字）
    pattern = r'[A-Z]{4}\d{7}'
    match = re.search(pattern, text)
    return match.group(0) if match else None

def split_pdf_by_container_number(input_pdf, output_folder):
    """
    按集装箱号分割 PDF，并将没有集装箱号的页面与前一个有集装箱号的页面合并。
    """
    # 读取 PDF 文件
    reader = PdfReader(input_pdf)
    total_pages = len(reader.pages)
    
    writer = None
    current_container_number = None
    output_files = []

    for page_number in range(total_pages):
        page = reader.pages[page_number]
        text = extract_text_from_page(page)

        # 检查当前页面是否包含集装箱号
        container_number = contains_container_number(text)

        if container_number:
            # 如果当前页面包含集装箱号
            if writer:
                # 保存之前的 PDF 文件
                output_file = f"{output_folder}/{current_container_number}货票.pdf"
                with open(output_file, "wb") as f:
                    writer.write(f)
                output_files.append(output_file)

            # 更新当前集装箱号并创建新的 PDF 写入器
            current_container_number = container_number
            writer = PdfWriter()
            writer.add_page(page)

        else:
            # 如果当前页面没有集装箱号，将其添加到当前的 PDF 中
            if writer:
                writer.add_page(page)
            else:
                print(f"警告：第 {page_number + 1} 页没有集装箱号，且没有前一个页面可合并！")

    # 保存最后一个 PDF
    if writer and current_container_number:
        output_file = f"{output_folder}/{current_container_number}货票.pdf"
        with open(output_file, "wb") as f:
            writer.write(f)
        output_files.append(output_file)

    print("分割完成！生成的文件：")
    for file in output_files:
        print(file)

#------函数层结束----------

input_pdf = [file for file in os.listdir() if file.lower().endswith('.pdf')][0]
output_pdf = "compressed.pdf"

#执行压缩
compress_pdf_with_ghostscript(input_pdf, output_pdf)

input_pdf= output_pdf
output_folder = "output"  # 输出文件夹路径


if not os.path.exists(output_folder):
    os.makedirs(output_folder)

#主函数
split_pdf_by_container_number(input_pdf, output_folder)