在 Python 中读取 PDF 属性/元数据

Question

如何使用 Python 读取存储在 PDF 文件中的属性/元数据，如标题、作者、主题和关键字？

原文由 Quicksilver 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

试试 pdfminer ：

 from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument

fp = open('diveintopython.pdf', 'rb')
parser = PDFParser(fp)
doc = PDFDocument(parser)

print(doc.info)  # The "Info" metadata

这是输出：

 >>> [{'CreationDate': 'D:20040520151901-0500',
  'Creator': 'DocBook XSL Stylesheets V1.52.2',
  'Keywords': 'Python, Dive Into Python, tutorial, object-oriented, programming, documentation, book, free',
  'Producer': 'htmldoc 1.8.23 Copyright 1997-2002 Easy Software Products, All Rights Reserved.',
  'Title': 'Dive Into Python'}]

有关详细信息，请查看本教程： 用于在 Python 中提取 PDF 元数据的轻量级 XMP 解析器。

原文由 namit 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

对于 Python 3，请参阅 PyPDF2 ，其中来自 @Khaleel 的示例代码已更新为：

 from PyPDF2 import PdfReader
reader = PdfReader("test.pdf")
pdf_info = reader.metadata
print(str(pdf_info))

使用 pip install PyPDF2 安装。

原文由 Morten Zilmer 发布，翻译遵循 CC BY-SA 4.0 许可协议