Как извлечь название PDF-документа из script для переименования?

У меня есть тысячи PDF файлов на моих компьютерах, имена которых от a0001.pdf до a3621.pdf, а внутри каждого есть заголовок; например "карбонат алюминия" для a0001.pdf, "нитрат алюминия" в a0002.pdf и т.д., который я хотел бы извлечь, чтобы переименовать мои файлы.

Я использую эту программу для переименования файла:

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)

Я хотел бы знать, есть ли (-ы) решение для извлечения заголовка, встроенного в файл PDF, для переименования файла?

Ответы

Ответ 1

Установка пакета

Это невозможно решить простым Python. Вам понадобится внешний пакет, например pdfrw, который позволяет читать PDF-метаданные. Установка довольно проста с помощью стандартного диспетчера пакетов Python pip.

В Windows сначала убедитесь, что у вас есть последняя версия pip с помощью команды оболочки:

python -m pip install -U pip

В Linux:

sudo pip install -U pip

На обеих платформах установите пакет pdfrw, используя

sudo pip install pdfrw

Код

Я объединил анзацы zeebonk и user2125722, чтобы написать что-то очень компактное и читаемое, которое близко к вашему исходному коду:

import os
from pdfrw import PdfReader

path = '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)

Ответ 2

Вам нужна библиотека, которая действительно может читать PDF файлы. Например pdfrw:

In [8]: from pdfrw import PdfReader

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

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

Ответ 3

Вы можете использовать библиотеку pdfminer для анализа PDF файлов. Свойство info содержит заголовок PDF. Вот как выглядит информация об образце:

[{'CreationDate': "D:20170110095753+05'30'", 'Producer': 'PDF-XChange Printer `V6 (6.0 build 317.1) [Windows 10 Enterprise x64 (Build 10586)]', 'Creator': 'PDF-XChange Office Addin', 'Title': 'Python Basics'}]`

Затем мы можем извлечь Title, используя свойства словаря. Вот весь код (включая итерацию всех файлов и их переименование):

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

start = "0000"

def convert(var):
    while len(var) < 4:
        var = "0" + var

    return var

for i in range(1,3622):
    var = str(i)
    var = convert(var)
    file_name = "a" + var + ".pdf"
    fp = open(file_name, 'rb')
    parser = PDFParser(fp)
    doc = PDFDocument(parser)
    fp.close()
    metadata = doc.info  # The "Info" metadata
    print metadata
    metadata = metadata[0]
    for x in metadata:
        if x == "Title":
            new_name = metadata[x] + ".pdf"
            os.rename(file_name,new_name)

Ответ 5

Как только вы его установили, откройте приложение и перейдите в папку "Загрузить". Вы увидите загруженные вами файлы. Просто нажмите файл, который вы хотите переименовать, и в нижней части появится пункт "Переименовать".