Python PDF元数据

---

前言

编写能从PDF文件中提取元数据的脚本

---

一、元数据

作为一种在文件里非明显可见的对象，元数据可以存在于文档、电子表格、图片、音频、和视频文件中。创建这些文件的应用程序可能会把文档的作者、创建和修改时间、可能更新的版本和注释之类的信息存储下来。

二、代码实例

import PyPDF2
import optparse

def Evidence(filepath):
    pdffile = PyPDF2.PdfFileReader(open(filepath,'rb'))
    docinfo = pdffile.getDocumentInfo()
    print('[*] PDF metadata For：'+ str(filepath))
    for metaItem in docinfo:
        print(metaItem.strip('/'),":",docinfo[metaItem])


def main():
    usage = "usage %prog  -F <PDF filePath/filename>"
    parser = optparse.OptionParser(usage)  # 创建对象实例
    parser.add_option('-F', dest='filePath', type='string', help='specify PDF filename')  ##需要的命令行参数
    (options, args) = parser.parse_args()
    filename = options.filePath
    if (filename == None):
        # 如果主机和端口都是空的话
        print(parser.usage)
        exit(0)  # 退出
    else:
        Evidence(filename)


if __name__ == '__main__':
    main()

注解
PyPDF2.PdfFileReader：读取PDF文件
.getDocumentInfo()：返回一个tuple，每个tuple中都含有对元数据元素的一个描述及它的值。
optparse.OptionParser(usage)：提供命令行交互解析功能