利用Python的PyPDF2库，根据论文标题批量修改pdf的文件名

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:
	        pass
	    except AttributeError:
	        pass
	    i = 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 PdfFileReader

path = './pdfs'.replace('\\', '/')
paper_name = os.listdir(path)
i = 1

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
    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:
        pass
    except AttributeError:
        pass
    i = i + 1