Python自动化办公：提取 PDF 指定内容，并批量重命名文件

本文将分享一个常见办公场景下的Python自动化案例，主要将涉及以下两个内容

• Python提取图片型PDF内容
• Python批量重命名文件

一、需求描述

有一个文件夹 货物清单 中含有多张货物清单的影印版 PDF，分别命名为 文件 (1).pdf 文件 (2).pdf ... 文件 (20).pdf，如下所示：

PDF 是纯图片类型，里面的文字信息无法手动复制，同时本例中所有的图片都向左旋转 90 度，大致如下图所示（马赛克部分为无关内容）：

我们需要做的是 「 获取图中红框部分 TRACKING# 以及 REF2 冒号后的字符串，用 & 连接后重命名这个 PDF 文件 」 ！

也就是需要根据每个PDF内容来批量重命名一大堆文件，最终效果如下

二、逻辑梳理与基础配置

本需求是一个批处理问题，即需要对诸多文件执行类型的操作，基本思路是先完成对一份文件的处理，然后借助 glob 模块获取指定路径所有符合要求的文件路径，执行批处理框架，固后面的操作先针对 文件 (1).pdf

需求中最大的难题在于，PDF 是图片类型，无法按常规方法提取文件。解决思路是利用光学字符识别（OCR）将图片中的文字识别出，然后进行后续操作，这里就涉及到一些先后顺序：

1. 将图片向右旋转回正位
2. 截取需要识别的部分图片
3. 将