批量获取pdf标题并对该文件重命名(PyPDF2最新版)

最近碰到了一个需求，是对下载多篇pdf论文的时候，需要批量把论文内部的标题取出来，作为文件名重命名该pdf文件。
而直接Copy网上流传最广的代码完成提取PDF转文本，十有八九报错！
流传的是旧版本用法，原因是PyPDF2这个库在3.0.0的版本进行了大更新，并且对过往版本的方法都不再支持。

记录该代码如下:

import os
import shutil
from PyPDF2 import PdfReader
import re

def process_pdf_title(paper_title):
    # 在这里对标题进行处理，去除特殊字符
    rstr = r"[\/\\\:\*\?\"\<\>\|]"  # '/ \ : * ? " < > |'
    paper_title = re.sub(rstr, " ", paper_title)  # 替换为空格
    return paper_title

def copy_pdfs_with_processed_titles(src_dir, des_dir):
    if not os.path.exists(des_dir):
        os.makedirs(des_dir)

    name_counter = {}  # 用于保存文件名及其对应的计数器

    for root, _, files in os.walk(src_dir):
        for file in files:
            if file.endswith(".pdf"):
                pdf_path = os.path.join(root, file)
                try:
                    with open(pdf_path, "rb") as pdf_file:
                        pdf_reader = PdfReader(pdf_file)
                        meta = pdf_reader.metadata
                        paper_title = meta.title
                        if not paper_title:
                            paper_title = "none"

                        # 处理标题并构建新的文件名
                        processed_title = process_pdf_title(paper_title)
                        new_pdf_name = f"{processed_title}.pdf"

                        # 如果文件名已经出现过，则加上计数器后缀
                        if new_pdf_name in name_counter:
                            name_counter[new_pdf_name] += 1
                            new_pdf_name = f"{processed_title}_{name_counter[new_pdf_name]}.pdf"
                        else:
                            name_counter[new_pdf_name] = 1

                        # 将文件名编码为GBK，以避免编码问题，并构建新文件的完整路径
                        new_pdf_name = new_pdf_name.encode("gbk", "ignore").decode("gbk")
                        new_pdf_path = os.path.join(des_dir, new_pdf_name)

                        # 复制PDF文件到目标目录，并打印提示信息
                        shutil.copy2(pdf_path, new_pdf_path)
                        print(f"Copied '{file}' to '{new_pdf_name}'")
                except Exception as e:
                    # 处理异常情况，如无法打开PDF文件等
                    print(f"Error processing '{file}': {e}")

if __name__ == "__main__":
    src_dir = "D:\\xxx"  # 替换为源目录的路径
    des_dir = "D:\\xxxx"  # 替换为目标目录的路径

    # 执行复制PDF文件并处理标题的函数
    copy_pdfs_with_processed_titles(src_dir, des_dir)