企业官网建设流程全解析

1. 长图PDF到底卡在哪

1.1 三种最常见的长图PDF来源

这年头，长图PDF的出场频率比一般人想象得高得多。我碰到最多的一种是手机聊天记录导出：微信、钉钉里随便一个几百条的会话，截长图后选“导出为PDF”，生成的文件打开就是一个超长页面。第二种是浏览器打印页面时没人注意分页问题，网页内容从上到下连续排布，虚拟打印机把整个网页当成一个超大页面输出，宽度正常、高度几千像素甚至更多。第三种是设计师交付前会把海报、长横幅、商品详情页模板直接导出成PDF，被别人拿去打印时，默认就会遇到只有一页、内容全部缩在一起的问题。

这三种来源虽然行业背景不同，本质却完全相同：PDF页面矩形的高度和宽度没有保持标准纸张的长宽比，页面被记录成了一张“巨型画布”。PDF本身并不限制页面必须是A4或Letter，所以这类文件依然能正常打开，只是所有后续操作都会变得别扭。我在替朋友处理文件时发现，很多人其实已经在用“用截图软件一截再另存为图片”这种笨办法凑合，一旦涉及打印、归档、上系统，这些文档马上露馅。

1.2 拆成多页后具体能用在哪些地方

把长图PDF拆成多页，解决的不只是打印一个场景。

第一个是打印。A4、Letter这些标准纸张的比例固定，一个高两米、宽二十厘米的页面直接打印，打印机会把它等比例缩到一页纸内，结果就是文字字号变得比脚注还小，基本不能阅读。拆页之后，每页按标准纸张排版，文字保持正常大小，打印出来厚薄均匀，装订也方便。

第二个是嵌入和编辑。Word、PPT、公众号后台这类地方插入PDF只支持按页嵌入，一个超长页面插进去会被当成一整张图，拉伸后文字发虚，排版完全失控。拆成多页后，每一页都能当成普通页面处理。

第三个是移动端阅读和后续识别。手机端的PDF阅读器对超长页面支持并不好，手势缩放时经常误触，而OCR工具识别整页大图时，往往因为页面太长直接报错或者漏字。拆页后每一页就是常规尺寸，配合手机分屏、电子书阅读器使用都顺手很多。

第四个是分享与存档。很多企业内网、知识库系统有单文件大小限制，长图PDF虽然页数少，但单页体积大；拆多页后反而容易按页归档、按页编号，后续查找某一段对话或某一章节时，翻页比拖滚动条省事得多。

从实际操作看，拆页在“打印需求”“排版嵌入需求”“阅读需求”这三类场景中价值最大，如果只是自己在电脑上看，拆不拆关系不大，但先按本文方法拆好也无妨，整个处理通常不超过一分钟。

2. 动手前先算清楚：目标页面尺寸与拆分逻辑

2.1 为什么默认按A4比例切

拆页的第一步不是找工具，而是确定“切成多大的一块”。绝大多数人默认选A4，因为A4是最常见的打印和文档尺寸。A4的物理尺寸是210毫米宽、297毫米高，宽高比大约是1 : 1.4142。数字上记不住没关系，只要记得长边约等于短边的根号2倍即可。

按这个比例切的长图，输出后的每一页高度和宽度的比例和A4完全一样。这样后续无论你用什么软件打开，页面形态都非常统一：宽595点、高842点，不会出现某页特别扁、某页特别长的尴尬。

有些场景可能需要A3、Letter、B5，但逻辑完全一致，只是把比例数字从297/210换成对应纸张的宽高比。比如Letter是215.9毫米宽、279.4毫米高，比例是1 : 1.294；A3则是420毫米宽、297毫米高，转成竖版时规则也一样。做参数化脚本时，这些比例都可以提前写在配置里，需要时直接切换就行。

如果长图本身很窄，比如只有800像素宽，按A4比例切出来的页面高度大约是1131像素，打印到A4纸上宽度只有约8厘米，两侧会留很大白边。这类情况我不会硬按完整A4去处理，而是先问清楚要不要“铺满纸张”，如果要，就把页面高度调整成和长图宽度匹配的比例。简单说，A4比例是通用起点，它不是僵化的约束。

2.2 DPI、重叠和裁剪边界怎么定

拆页时真正要命的是三个参数：DPI、重叠（overlap）和裁剪边界。

DPI决定了输出清晰度。PDF内部使用的单位是点（point），1点等于1/72英寸，所以PDF的“原始分辨率”默认是72 DPI。当我们把PDF渲染成图片时，用一个放大系数zoom把每个点放大成多个像素，放大系数等于目标DPI除以72。比如想得到150 DPI的清晰度，zoom就是150/72约等于2.08；想得到300 DPI，zoom就是300/72约等于4.17。对于A4页面，300 DPI对应的像素尺寸是2480乘3508，150 DPI对应1240乘1754。普通屏幕阅读用96 DPI够用，打印建议至少150 DPI，如果原图本身很精细，调到200 DPI以上也不会太差。

重叠是防止内容被切断的保险。剪裁线经过一行文字的中间时，同一行文字被硬生生分到上下两页，读起来隔断感很明显，打印出来也容易装订时缺字。解决办法是让每一页裁剪区域比前一张的下沿用一个小重叠：上一页底部多留十几到几十像素，下一页顶部也从这段重叠处开始。这样即便裁切线刚好压在文字行上，总有一页会保留完整行。重叠值一般取页面高度像素的1%到5%比较合适，比如页面高度约1700像素时，重叠24像素是比较通用的起点。

裁剪边界则是对齐问题。长图PDF从页面顶端开始记录内容，图像来源的截图也大多从顶部开始，所以我习惯用“从顶部开始，固定page_height往下切”的方式，保持所有页面左侧和右侧完全对齐。如果你遇到页面四周本来就带白色边框的PDF，不管怎么切边都会出现白边，此时可以先去边再切，或者裁切时手动把上下边界向内缩几个像素。

2.3 工具选型：为什么优先推荐Python脚本

在拆长图PDF这件事上，现成工具没想象的那么好用。原因在于绝大多数拆分工具的核心逻辑是“按PDF页面的物理对象切分”，默认每个原页面都是一个独立对象，长图PDF在它们眼里只有一个页面，自然没东西可分。能真正按比例把一页内容切成多个矩形区域的工具少，而且多数要收费或操作极繁琐。

相比之下，Python全流程其实是一套非常朴素的“拆图-组页”思路：先把要切的内容渲染成图片，再按矩形裁剪，最后把裁剪结果塞回标准页面。这个链路每一步都有成熟库支持，可重复、可批量、可参数化，不会因为某次忘了设置就产生不一致的结果。

更重要的是，脚本可以处理“混血情况”。比如源文件虽然后缀是PDF，但内容其实来自不同的截图，尺寸不一；或者一个PDF里同时存在横版和竖版页面。脚本可以通过检测长图PDF的页面尺寸来动态计算切分区域，比手动操作可靠得多。我平时在命令行里挂这个脚本，处理上百个文件也只是循环一下的事。

3. 实操：Python把长图PDF拆成多页

3.1 安装依赖

我选了三件套：Pillow负责图像裁剪，PyMuPDF处理PDF渲染和页面生成，可选加一个img2pdf作为备选。安装命令很简单：

pip install pillow pymupdf img2pdf

PyMuPDF在官方文档里通常以fitz模块导入，不少新手在这里卡壳。新版PyMuPDF也支持import pymupdf，但为了兼容性，代码里我用import fitz，装的是PyMuPDF库，两者对应同一个东西。

如果是在服务器上执行且没有图形界面，完全没有问题，这个流程不依赖显示器，只要Python环境能正常读取文件即可。如果用的是公司电脑并且没有管理员权限，可以先创建一个虚拟环境再装，避免和系统Python环境冲突。

3.2 分三步理解核心逻辑

整个拆页脚本可以分为三步。

第一步：渲染。如果源文件是PDF，用fitz.open打开后取第一页，用get_pixmap按目标DPI把整页渲染成一张长图。如果是PNG、JPEG之类图片，直接用Image.open读入即可，不用额外处理。

第二步：切分。拿到长图后，读取它的宽度，用宽度除以目标比例算出page_height。然后从顶部0向下循环：每次截取(0, top, width, bottom)区域，其中bottom等于top加page_height；下一个循环的top不能直接用bottom，要减去overlap。

第三步：组页。新建一个A4尺寸的PDF页面（宽595点、高842点），把每一张裁剪图插入到这个页面里，最后保存成新PDF。PyMuPDF的insert_image会把图片放进指定矩形，我用它来填充整页，比例不对时会按比例留边，不会硬拉变形。

这一步里常见的坑是：渲染PDF时忘记设置zoom，默认72 DPI输出，切出来的页面在屏幕上看着还行，放大或者打印立刻糊成一片；还有是把裁剪后的图片保存成PNG，体积大且速度慢，用JPG配合85到90的质量参数，文件大小能压缩一半以上。

3.3 可以直接抄的完整脚本

import os from PIL import Image import fitz INPUT = "长图.pdf" OUTPUT = "多页输出.pdf" DPI_RENDER = 150 QUALITY = 88 OVERLAP = 24 TARGET_RATIO = 297 / 210 # 第一步：把长图PDF转成一张长图 if INPUT.lower().endswith(".pdf"): doc = fitz.open(INPUT) if len(doc) != 1: print("警告：源PDF含多个页面，这里默认只处理第一页") source_page = doc[0] zoom = DPI_RENDER / 72 mat = fitz.Matrix(zoom, zoom) pix = source_page.get_pixmap(matrix=mat, alpha=False) pix.save("_temp_long.png") img = Image.open("_temp_long.png") else: img = Image.open(INPUT) # 第二步：按目标比例切分长图 width, height = img.size page_height = int(width / TARGET_RATIO) top = 0 pages = [] while top < height: bottom = min(top + page_height, height) pages.append(img.crop((0, top, width, bottom))) if bottom >= height: break top = bottom - OVERLAP print(f"切分成 {len(pages)} 页") # 第三步：生成多页A4 PDF A4_W, A4_H = 595, 842 output = fitz.open() for idx, crop_img in enumerate(pages): tmp = f"_page_{idx}.jpg" crop_img.convert("RGB").save(tmp, quality=QUALITY) page = output.new_page(width=A4_W, height=A4_H) page.insert_image(page.rect, filename=tmp, keep_proportion=True) os.remove(tmp) output.save(OUTPUT) output.close() # 清理临时长图 if INPUT.lower().endswith(".pdf"): os.remove("_temp_long.png") print("完成")

几个参数可以按实际需求改。DPI_RENDER是PDF转图时的清晰度，长图源文件本身就是高分辨率时，这个值建议不低于150；OVERLAP是重叠像素，如果源图文字行高较大，可以加到40甚至60；TARGET_RATIO默认A4比例，需要Letter的话改成279.4 / 215.9即可。

这段脚本的核心思想是“渲染-切块-拼页”，不依赖任何付费接口，Python 3.8以上都可以直接跑。输出PDF的文件名可以自己改，整个流程处理一个一千像素宽、一万八千像素高的聊天记录长图，实测大约三秒完成，速度很快。

3.4 进阶：不转图片、保留原PDF文字层

如果原始PDF是文字版而不是截图，上面这种“先渲染成图片再切”的方式会把文字栅格化，虽然视觉上变化不大，但PDF里的文字层会丢失，以后无法直接搜索、复制文字。要保留文字层，可以用PyMuPDF的show_pdf_page方法，直接在PDF层面裁剪并复制页面对象。

import fitz source = fitz.open("长图.pdf") source_page = source[0] page_width_pt = source_page.rect.width page_height_pt = source_page.rect.height # 按像素坐标反算PDF坐标 # 例如目标A4比例对应的源页面裁剪高度 clip_height_pt = page_width_pt / (297 / 210) A4_W, A4_H = 595, 842 output = fitz.open() top_pt = 0 while top_pt < page_height_pt: bottom_pt = min(top_pt + clip_height_pt, page_height_pt) clip_rect = fitz.Rect(0, top_pt, page_width_pt, bottom_pt) new_page = output.new_page(width=A4_W, height=A4_H) new_page.show_pdf_page(new_page.rect, source, 0, clip=clip_rect) top_pt = bottom_pt - 5 # 重叠5pt避免文字行切断 output.save("多页_文字保留.pdf")

这里有一点很关键：clip参数的单位是PDF坐标点，不是像素，所以不需要先渲染成图片。用page_width_pt来推每页高度，比如A4比例下，裁剪高度等于页面宽度除以1.4142。重叠值我设成了5pt，对应大概1.76毫米，比像素重叠小很多，因为PDF矢量文字在点坐标系下不会产生额外的模糊问题。

这个方法适合本身就有文字层的PDF，如果源文件本来就是图片PDF，用show_pdf_page保留的只是图片本身，文字层依然是空的，这时两种方法差别不大。

4. 不想写代码的替代方案

4.1 桌面软件：能行但费手

如果身边没有Python环境，又必须处理一个长图PDF，我试过几条桌面路线。老牌Adobe Acrobat Pro理论上可以做“裁剪页面”，先打开单页PDF，用裁剪工具选中要保留的区域，把页面尺寸改小，再导出，重复操作直到切完。弊端非常明显：一次手动切一块，遇到十几页的长文档费时费力，而且每次裁剪参数都要手动输入，误差很难控制。

WPS的“拆分PDF”功能可以把一个多页PDF按页码范围拆成多个文件，但它不能处理“单页内部切块”这种需求，因为WPS眼中这份PDF只有一个页面。PDF-XChange Editor的裁剪功能类似Acrobat，也是改当前页的显示区域，操作路径差不多。

所以我的判断是：桌面软件能处理单次少量拆页，适合文件只有两三个切块、轮到这块时你又不介意花十分钟手动调整的情况。但一旦批量处理或者对参数精度有要求，桌面软件的效率远不如脚本。

4.2 在线工具：慎用“拆分”能力

很多在线PDF工具首页都写着“PDF拆分”，进去之后会发现它只是把多个页面拆成多个文件，或者把一个多页PDF按指定页码提取出来。真正能自动把单页超长页面切到标准纸宽的几乎没见过，原因依然是一个页面在工具眼里只有一个对象。

如果实在要在线处理，我建议先确认工具的“页面尺寸调整”功能，看能不能把页面缩放或裁剪成固定大小。一些扫描件处理网站有“分割扫描页”选项，原理是把扫描出来的长页按物理高度均分，这跟我们的需求接近，但只能用在纯图片型PDF上，文字层同样保不住。

更稳妥的在线思路是把PDF导出成图片，用在线图片切割工具分块，再合并成PDF。这个流程至少有三步：导出、切割、合并，每次传文件都有隐私风险，不适合处理含敏感信息的聊天记录。我的建议是，非敏感文件可以应急用，重要文件还是本地脚本处理更可靠。

4.3 用Office排版兜底

很多人在没有任何专业工具时，会把长图PDF当图片塞进PowerPoint，然后用一页PPT放一个切片，最后导出成PDF。这个方法在信息量不大、文件很小时确实管用：插入图片后拖动占位符，手动调整每个切片的位置，因为没有比例卡控，输出的页面经常有大白边或者内容溢出。

如果非要用这个办法，可以先把纸面比例预设成16比9或者A4。PPT里把图片复制多份，每份显示源长图的不同纵向区域，然后裁剪每份图片。Word里则可以用“插入图片”加“布局中的裁剪”来处理，逻辑一样。这个方法适合零基础用户应急，但每次都要重新拉尺寸，费时且精度差。

由于在线工具未经授权便处理个人文件的风险不可忽视，我更倾向于把敏感数据留在本地处理，脚本方案在隐私性上天然占优。

5. 常见问题与排查技巧实录

5.1 页面边缘文字被切掉

这是拆页后最常被抱怨的问题。切成多页后某些页的上边或下边压着一行字，翻页阅读也影响心情。绝大多数原因是OVERLAP设置得不够。行高比较大的长图，比如网页文章截图，一行字有40到60像素，如果只设置10像素重叠，裁切线大概率还是会骑在文字上。

我把重叠值和源图的行高关联起来判断：先看一眼截图里正文一行大概多高，OVERLAP设为行高的一半以上。如果实在看不出，直接设成40，对付大多数网页和聊天记录都够。第二个原因是有背景色的长图，切分时裁切线正好落在带边框的元素上，边框上下被折断。这种情况要看原始版面结构，手动在参数里调整某一段top值，把裁切线移到两块视觉区域之间即可，脚本本身难以智能识别复杂版面。

5.2 输出PDF模糊、字号变小

模糊的核心原因是渲染DPI太低。PDF渲染成图片时默认72 DPI，如果你没有在get_pixmap里传Matrix(zoom, zoom)，切出来的图每一页总共只有1000多像素高，打印时自然糊。

另一个原因是源图本身分辨率不够。很多手机截图只有1080像素宽，打印到A4宽度210毫米后，等效DPI约等于1080除以8.27，只有130左右，勉强及格但不够锐利。想提高打印质量，最好找回原始内容重新长图导出，导出时放大页面宽度到2000像素以上。切页脚本没法无中生有，清晰度只能从源头找。

5.3 切完文件体积暴涨

渲染成图片再合成PDF后，文件体积有时候比原文件还大几倍。原因有两个：一是渲染成PNG并用默认无损压缩保存，长图PNG体积本来就大；二是裁剪后的页面上大块纯色背景在JPG下压缩率很低。

解决方法是把中间文件统一存成JPG，质量设80到90，纯黑白内容直接转成灰度图再压成JPG，体积能降到原来的三分之一。如果输出PDF要长期打印，也可以尝试用无损压缩配置，但一般JPG已足够。

5.4 横版长图变竖版页面

长图多数是纵向的，但也有些是横向长图，比如电影海报、全景照片，宽高比反过来。直接按A4竖版切的话，切出来的页面比例不对，图片会被压扁或者出现大片白边。

处理方法是先判断图片宽高比，width > height时把页面尺寸换成横向A4，即842乘595，同时TARGET_RATIO也要改成短边除以长边。脚本里加一个方向判断即可，不复杂。还有一类长图是正方形转成的PDF，页面比例接近1比1，这时按A4切会出现上下大黑边，可以优先考虑按源图原有比例拆，不必硬套A4。

5.5 原PDF文字层丢失

前面在进阶部分说过，渲染后文字层消失，会影响搜索和复制。另一个经常被忽略的点是：如果源PDF里嵌入了字体，渲染过程中字体渲染错误，可能造成个别字符被“画”错。遇到这种情况，最简单的方案就是用show_pdf_page的方式保留文字层，哪怕页面背景被栅格化，文字仍是矢量。

如果源PDF是扫描版，转图片无所谓；如果源PDF是从Word或LaTeX生成的文字版，尽量用保留文字层的方式切。我见过不少人把文字版PDF切成图片版后，客户想改一个字都改不了，只能整体重新做，这是最需要提前沟通的需求。

6. 实操经验收尾

处理这类长图PDF拆页的需求多了之后，我有一个比较深的感受：大部分人真正想要的不只是一堆切好的页面，而是一份能打印、能编辑、能长期归档的正常文档。所以动手前我会先问三个问题：要不要打印，要不要保留文字层，文件敏感不敏感。这三个问题不同，选择的方法就完全不同。

我自己现在常驻一个精简版的拆页脚本，参数写在文件头部，换张纸尺寸或者换个重叠值，改一行就重新跑。遇到紧急文件我一般直接跑Python命令，遇到同事求助就甩一份带注释的脚本给他们，偶尔有不方便开电脑的场合才用在线工具兜底。拆页本身不神奇，真正值钱的是把参数算明白、把边界条件处理干净，这样无论输入是十兆的长图还是几十兆的图文混排PDF，结果都很稳。如果你手头正好有一份这样的长图PDF，按文章里的脚本试一次，大概率比你现在手动截图处理要快得多。