python读取pdf的标题_【python】使用python pdfminer3k读取pdf

前言：

前几天学姐拿来一堆文件名乱码的pdf让帮忙整理一下，按论文标题命名

一看竟然一共250多个文件，还在不同的文件夹中，哇，想想就头疼，这时候就要发挥程序媛的智慧了，正好最近在用python写毕设，就想能不能用python改标题，嗳，原来有专门的处理的库pdfminer。好了闲话少说，开始干活

安装pdfminer库

在命令行输入

pip install pdfminer3k

如果不成功会提示少了什么库，就按照pip install xx（库名称）的方式安装就好，最后再在命令行输入pip install pdfminer3k

把文件从文件夹中取出来：

这个很简单，直接贴代码了

import os

import shutil

import importlib

import sys

def load_file():

walk = os.walk('./12')

i=1;

for root, dirs,files in walk:

for name in files:

shutil.move(os.path.join(root,name), "./myset/"+i+".pdf)

i+=1

load_file()

其中os.walk() 方法用于通过在目录树中游走输出在目录中的文件名，向上或者向下，是一个简单易用的文件、目录遍历器

walk()方法语法格式如下：

os.walk(top[, topdown=True[, οnerrοr=None[, followlinks=False]]])

参数

top -- 遍历的目录的地址, 返回的是一个三元组(root,dirs,files)。

root 所指的是当前正在遍历的这个文件夹的本身的地址

dirs 是一个 list ，内容是该文件夹中所有的目录的名字(不包括子目录)

files 同样是 list , 内容是该文件夹中所有的文件(不包括子目录)

topdown--可选，为 True，先遍历 top 目录，否则优先遍历 top 的子目录(默认为开启)。如果 topdown 参数为 True，walk 会遍历top文件夹，与top 文件夹中每一个子目录。

onerror-- 可选，需要一个 callable 对象，当 walk 需要异常时，会调用。

followlinks -- 可选，如果为 True，则会遍历目录下的快捷方式(linux 下是 symbolic link)实际所指的目录(默认关闭)。

详情见http://www.runoob.com/python/os-walk.html

现在的数据都在一个文件夹了

从pdf中读标题

1.分析PDF内容

标题在第二行和第三行一般，除极少数的标题只有一行。

2.读pdf获取标题

from urllib.request import urlopen

from pdfminer.pdfinterp import PDFResourceManager,process_pdf

from pdfminer.converter import TextConverter

from pdfminer.layout import LAParams

from io import StringIO

from io import open

def readPDF(pdffile):

rsrcmgr=PDFResourceManager()

retstr=StringIO()

laparams=LAParams()

device=TextConverter(rsrcmgr,retstr,laparams=laparams)

process_pdf(rsrcmgr,device,pdffile)

device.close()

content=retstr.getvalue()

retstr.close()

strs = str(content).split("\n")

title = strs[2]+strs[3]

return title

pdffile=open('./mysets/3.pdf',"rb")

title =readPDF(pdffile)

print(title)//

pdffile.close()

得到文件名

3.更改文件名：

def rename():

walk = os.walk('./mysets')

i = 0;

for root, dirs, files in walk:

for name in files:

pdffile=open(os.path.join(root, name),"rb")

title =readPDF(pdffile)

print(title)//

os.rename(os.path.join(root, name), os.path.join(root, title+".pdf”))

i += 1

好了这就将文件名给概率

虽然不能百分百处理好，有些特殊的情况还没有考虑好，但是已经减少了很多工作量拉。

以后要多尝试多做

python读取pdf的标题_【python】使用python pdfminer3k读取pdf相关推荐

python怎么读取pdf为文本_轻松用Python批量提取PDF文本内容，这个小技巧告诉你！...
轻松用Python批量提取PDF文本内容,这个小技巧告诉你!-1.jpg (22.73 KB, 下载次数: 0) 2018-9-7 08:33 上传本文为你展示,如何用Python把许多PDF文件的 ...
python 批量读取xlsx并合并_如何用Python快速导入多个excel文件并合并文件数据
日常工作中,每个月都会遇到那么个固定的工作,将业务方同事整理的数据导入GP数据库中的某张表中:听起来是很简单的活呢! 但每次业务MM总会发来一个文件夹,里面有三四十个Excel文件(.xlsx格式,且 ...
引发了未经处理的异常:读取访问权限冲突_从零开始学Python：23课-文件读写和异常处理
一下子想起来,我的Python100天教程没更新了,赶紧补上~ 这期就还接着前面的讲哈.另外就是想跟伙伴们了解下,就是跟我要到Python视频教程的伙伴,你们学的怎么样了,可以给我个反馈哈! 实际开发 ...
python提取pdf文件内容_如何用Python批量提取PDF文本内容？
本文为你展示,如何用Python把许多PDF文件的文本内容批量提取出来,并且整理存储到数据框中,以便于后续的数据分析. 问题最近,读者们在后台的留言,愈发五花八门了. 写了几篇关于自然语言处理的文章 ...
python读取大文件性能_强悍的Python读取大文件的解决方案
Python 环境下文件的读取问题,请参见拙文 Python基础之文件读取的讲解这是一道著名的 Python 面试题,考察的问题是,Python 读取大文件和一般规模的文件时的区别,也即哪些接口不适 ...
python pdf删除图片_如何使用Python从PDF中删除文本
我正在创建一个python脚本来编辑PDF文本. 我有这个Python代码,它允许我将文本添加到PDF文件的特定位置. import PyPDF2 import io from reportlab.p ...
python能写什么脚本_你用 Python 写过哪些牛逼的程序/脚本？
原标题:你用 Python 写过哪些牛逼的程序/脚本? [导读]:有网友在 Quora 上提问,「你用 Python 写过最牛逼的程序/脚本是什么?」.本文摘编了 3 个国外程序员的多个小项目,含代码 ...
python天气查询运行过程_菜鸟玩Python|制作天气查询软件
原标题:菜鸟玩Python|制作天气查询软件开发环境 Python3 PyQt5 requests 准备工作首先要获取不同城市对应的天气代码,可以从 https://www.heweather.c ...
python自动化办公教程书籍_盘点使用Python进行自动化办公所需要的知识点
知乎上有人提问:用python进行办公自动化都需要学习什么知识呢? 这可能是很多非IT职场人士面临的困惑,想把python用到工作中,却不知如何下手?python在自动化办公领域越来越受欢迎,批量处理 ...

python读取pdf的标题_【python】使用python pdfminer3k读取pdf

python读取pdf的标题_【python】使用python pdfminer3k读取pdf相关推荐

最新文章

热门文章