PyPDF2.PdfMerger合并PDF出错的根本原因有四：路径未排序致顺序错乱；封面页重复插入；4.0+版本API变更要求显式传fileobj；字体不嵌入致中文乱码；大文件内存爆满。
PyPDF2.PdfMerger 合并 PDF 时空白页或顺序错乱
根本原因是 PdfMerger.append() 默认按文件系统读取顺序添加，但实际传入路径列表若未显式排序，容易因文件名数字未补零（如 "page1.pdf"、"page10.pdf"）导致字典序错位；另外，某些 PDF 的第一页含封面/元数据，直接追加会把封面重复塞进中间。
- 用
sorted()对路径预处理，必要时用re.findall(r'\d+', name)提取数字再排序 - 避免直接传
glob.glob("*.pdf")，改用sorted(glob.glob("*.pdf"), key=lambda x: int(re.search(r'(\d+)', x).group(1))) - 如果源 PDF 有封面且只需合并内容页，用
reader = PdfReader(f); merger.append(fileobj=reader, pages=(1, None))跳过第 0 页
PyPDF2 4.0+ 版本中 PdfMerger.append() 报错 AttributeError: 'PdfMerger' object has no attribute '_pages'
这是 PyPDF2 从 3.x 升级到 4.0 后的内部结构变更：旧写法 merger.append(pdf_path) 在 4.0+ 中必须显式指定 fileobj 参数，否则触发属性访问失败。
- 正确写法是
merger.append(fileobj=PdfReader(pdf_path))，不能省略fileobj= - 若需保留页码书签，加参数
import_outline=True（默认为True，但显式写出更稳妥） - PyPDF2 4.0+ 不再支持直接传字符串路径，传错会报这个错，不是环境问题，是 API 改动
合并后中文乱码或字体丢失
PyPDF2 不嵌入字体，只复制原始 PDF 的字体引用。如果源 PDF 使用了非标准字体（比如 Windows 的“微软雅黑”或 macOS 的“PingFang SC”），而目标阅读器没装对应字体，就会 fallback 到缺省字体，显示方块或英文。
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 这不是 PyPDF2 的 bug，是 PDF 规范限制——它不处理字体渲染，只做对象拼接
- 临时缓解：用
pdftoppm或pdf2image转成图片再合成，但丧失文本可选性 - 真正解法：用
reportlab+PyPDF2拆出文本重排，或换pypdf（PyPDF2 的继任者，对字体引用处理稍好，但仍不嵌入）
大文件合并卡死或内存爆满
PyPDF2 把整个 PDF 解析进内存，每个 100MB 的 PDF 可能占用 500MB+ 内存，合并 10 个就超 5GB。尤其当 PDF 含大量图像或图层时，PdfReader 初始化阶段就卡住。
立即学习“Python免费学习笔记（深入）”；
- 用
fitz.open()（即PyMuPDF）替代，它流式读取，内存占用低一个数量级 - 如果坚持用 PyPDF2，先用
pdfsizeopt或ghostscript压缩源文件：gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/ebook -dNOPAUSE -dQUIET -dBATCH -sOutputFile=small.pdf input.pdf - 别在循环里反复创建
PdfReader实例，复用 reader 对象，减少解析开销
真正麻烦的是跨平台字体和大文件内存控制——这两个点不提前压测，上线后才发现，基本就得重写流程。
