如何从重命名脚本中提取 PDF 文档的标题？

Question

我的计算机中有数千个 PDF 文件，名称从 a0001.pdf 到 a3621.pdf ，每个文件里面都有一个标题；例如 --- 中的“碳酸铝”， a0002.pdf a0001.pdf 中的“硝酸铝”等，我想提取它们以重命名我的文件。

我使用这个程序重命名文件：

 path=r"C:\Users\YANN\Desktop\..."

old='string 1'
new='string 2'

def rename(path,old,new):
    for f in os.listdir(path):
        os.rename(os.path.join(path, f), os.path.join(path, f.replace(old, new)))

rename(path,old,new)

我想知道是否有解决方案来提取嵌入在 PDF 文件中的标题以重命名文件？

原文由 ParaH2 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

安装包

这不能用普通的 Python 解决。您将需要一个外部包，例如 pdfrw ，它允许您读取 PDF 元数据。使用标准 Python 包管理器 pip 安装非常简单。

在 Windows 上，首先确保您拥有最新版本的 pip 使用 shell 命令：

 python -m pip install -U pip

在 Linux 上：

 pip install -U pip

在两个平台上，安装 pdfrw 包使用

pip install pdfrw

编码

我结合了 zeebonk 和 user2125722 的答案来写一些非常紧凑和可读的东西，它接近你的原始代码：

 import os
from pdfrw import PdfReader

path = r'C:\Users\YANN\Desktop'

def renameFileToPDFTitle(path, fileName):
    fullName = os.path.join(path, fileName)
    # Extract pdf title from pdf file
    newName = PdfReader(fullName).Info.Title
    # Remove surrounding brackets that some pdf titles have
    newName = newName.strip('()') + '.pdf'
    newFullName = os.path.join(path, newName)
    os.rename(fullName, newFullName)

for fileName in os.listdir(path):
    # Rename only pdf files
    fullName = os.path.join(path, fileName)
    if (not os.path.isfile(fullName) or fileName[-4:] != '.pdf'):
        continue
    renameFileToPDFTitle(path, fileName)

原文由 Manu CJ 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

您需要的是一个可以实际读取 PDF 文件的库。例如 pdfrw ：

 In [8]: from pdfrw import PdfReader

In [9]: reader = PdfReader('example.pdf')

In [10]: reader.Info.Title
Out[10]: 'Example PDF document'

原文由 zeebonk 发布，翻译遵循 CC BY-SA 3.0 许可协议