PyPDF2

工作中可能会涉及处理pdf文件，PyPDF2就是这样一个库，使用它可以轻松的处理pdf文件，它提供了读、写、分割、合并、文件转换等多种操作。

官方地址，了解更多。

任务背景

从DBLP数据库或者其他网站下载数篇论文，将论文集放在一个文件夹里。

论文的pdf文件名可能为乱码，我们将利用PyPDF2，读取和输出论文pdf的标题，最后将每篇论文的文件名改为论文的标题。

需要注意的是，PyPDF2的使用有局限性，PDF的格式或者编码可能使我们使用中出现PyPDF2.utils.PdfReadError或者AttributeError等等错误，导致我们的论文集无法全部修改；使用的过程中也可能出现读取标题为None的情况。所以不能保证所有论文都能够正确修改，但在我的使用过程中，能把大部分论文都修改了，剩下一小部分手改就好。

任务

pip安装PyPDF2

pip install pypdf2

引入函数库

import os
import PyPDF2
from PyPDF2 import PdfFileReader

利用os读取路径下的论文pdf文件

path = './pdfs'.replace('\\', '/')
paper_name = os.listdir(path)
print(paper_name)i = 0

输出：

 ['5328-Article Text-8553-1-10-20200508.pdf', '5329-Article Text-8554-1-10-20200508.pdf', '5330-Article Text-8555-1-10-20200508.pdf', '5331-Article Text-8556-1-10-20200508.pdf', '5332-Article Text-8557-1-10-20200508.pdf', '5334-Article Text-8559-1-10-20200508.pdf']

注意，这里定义了一个 i = 1，之后会添加到文件名中，为了防止更改文件名后出现重复现象。

用PyPDF2读取路径下的每个pdf文件

for temp in paper_name:print(temp)pdf_file = open(path + '/' + temp, 'rb')pdf_reader = PdfFileReader(pdf_file)  # 打开并建立一个PDF文件对象

获取标题以及更改文件名

 try:paper_title = pdf_reader.getDocumentInfo().title  # 获取PDF标题pdf_file.close()paper_title = str(paper_title).replace(':', ' ')paper_title = paper_title.replace('/', ' ')paper_title = paper_title.replace('\\', ' ')paper_title = paper_title.replace('*', ' ')paper_title = paper_title.replace('?', ' ')paper_title = paper_title.replace('"', ' ')paper_title = paper_title.replace("'", ' ')paper_title = paper_title.replace('<', ' ')paper_title = paper_title.replace('>', ' ')paper_title = paper_title.replace('|', ' ')new_name = paper_title + '.pdf'os.rename(path + '/' + temp, path + '/' + str(i) + '_' + new_name)except PyPDF2.utils.PdfReadError:passexcept AttributeError:passi = i + 1

for循环下读取每个pdf文件。

这里用到了 try except，为了避免因为单个pdf格式引起的error中断整个程序的运行，换句话说，这个python程序先把能改的都改了，不能改的就跳过，之后手动处理。

pdf_reader.getDocumentInfo().title 获取论文标题。

用close把pdf对象关掉，不然后面在打开状态无法改名。

下面的replace为了防止文件命名出现非法符号。

最后利用os.rename改名文件，大功告成！

结果

修改前：

修改后：

完整流程

import os
import PyPDF2
from PyPDF2 import PdfFileReaderpath = './pdfs'.replace('\\', '/')
paper_name = os.listdir(path)
i = 1for temp in paper_name:print(temp)pdf_file = open(path + '/' + temp, 'rb')pdf_reader = PdfFileReader(pdf_file)  # 打开并建立一个PDF文件对象try:paper_title = pdf_reader.getDocumentInfo().title  # 获取PDF标题i = int(i)pdf_file.close()paper_title = str(paper_title).replace(':', ' ')paper_title = paper_title.replace('/', ' ')paper_title = paper_title.replace('\\', ' ')paper_title = paper_title.replace('*', ' ')paper_title = paper_title.replace('?', ' ')paper_title = paper_title.replace('"', ' ')paper_title = paper_title.replace("'", ' ')paper_title = paper_title.replace('<', ' ')paper_title = paper_title.replace('>', ' ')paper_title = paper_title.replace('|', ' ')new_name = paper_title + '.pdf'os.rename(path + '/' + temp, path + '/' + str(i) + '_' + new_name)except PyPDF2.utils.PdfReadError:passexcept AttributeError:passi = i + 1

利用Python的PyPDF2库，根据论文标题批量修改pdf的文件名相关推荐

利用Python的turtle库绘制四叶草
利用Python的turtle库绘制四叶草 turtle库的基本使用 turtle库属于Python的标准库,即可以直接用import导入,无需额外安装下载. 这个博主写的蛮好的,我就不献丑了嘿嘿嘿( ...
用python画玫瑰花教程-利用Python的turtle库绘制玫瑰教程
用Python的turtle库绘图是很简单的,闲来无事就画了一个玫瑰花,下面奉上源码.... 源码: ''' Created on Nov 18, 2017 @author: QiZhao ''' i ...
利用Python获取最新的sci论文摘要信息并群发邮箱
本博客结构利用Python获取最新的sci论文摘要信息并群发邮箱 1. 需要的包:biopython.markdown 2. 正式代码利用Python获取最新的sci论文摘要信息并群发邮箱 1. ...
利用Python的turtle库画自行车
利用Python的turtle库画自行车前言前言总得说点什么.疫情在家,慕课上学习北理工嵩天等老师的<python语言程序设计>[1],觉得turtle画图,挺有意思,既然骑不了自行车 ...
利用python进行数据分析第二版pdf百度云_参考《利用Python进行数据分析(第二版)》高清中文PDF+高清英文PDF+源代码...
第2版针对Python 3.6进行全面修订和更新,涵盖新版的pandas.NumPy.IPython和Jupyter,并增加大量实际案例,可以帮助高效解决一系列数据分析问题. 第2版中的主要更新了Py ...
python修改文件linux编码格式,使用python的chardet库获得文件编码并修改编码
使用python的chardet库获得文件编码并修改编码 windows和linux采用了不同的编码,这让很多人伤透了脑经,这里我采用了Python的chardet库获得代码的编码,然后修改编码首先 ...
手把手教你python自动化办公（三）---PPT批量修改
手把手教你python自动化办公(三)---PPT批量修改 PPT批量修改场景模拟:当公司让你制作10000个不同数据但背景相同的PPT时,你是干上三天,还是小手一挥,十秒搞定? 1.设计你想要的P ...
下面哪个python库不能用于提取网页信息_利用python的webscraping库采集抓取爱帮网电话号码...
利用python的webscraping模块抓取爱帮网电话号码,本文采集该页面的标题和2个电话号码, 具体的python代码: # -*- coding: UTF-8 -*- ''' Created ...
python连接opencv库_利用Python和OpenCV库将URL转换为OpenCV格式的方法
今天的博客是直接来源于我自己的个人工具函数库. 过去几个月,有些PyImageSearch读者电邮问我:"如何获取URL指向的图片并将其转换成OpenCV格式(不用将其写入磁盘再读回)&qu ...
利用python的turtle库绘制玫瑰的步骤_用python turtle画玫瑰
1.turtle 库 2.画玫瑰的代码: import turtle turtle.penup() turtle.left() turtle.fd() turtle.pendown() turtle. ...

利用Python的PyPDF2库，根据论文标题批量修改pdf的文件名

利用Python的PyPDF2库，根据论文标题批量修改pdf的文件名

PyPDF2

任务背景

任务

pip安装PyPDF2

引入函数库

利用os读取路径下的论文pdf文件

用PyPDF2读取路径下的每个pdf文件

获取标题以及更改文件名

结果

完整流程

利用Python的PyPDF2库，根据论文标题批量修改pdf的文件名相关推荐

最新文章

热门文章