python3 遍历目录所有pdf，检测是否文件损坏

# encoding: utf-8
# author: 
# date: 
# summary: 直接用 PDF 文件内容判断 PDF 的正确性和完整性，适用于判断下载的 PDF

#做成 exe：pyinstaller -F -c checkpdf.py

import re
import os
import sys
from PyPDF2 import PdfFileReader    
 
#参数为pdf文件全路径名
def isValidPDF_pathfile2(pathfile):
    bValid = True
    try:
        #PdfFileReader(open(pathfile, 'rb'))
        reader = PdfFileReader(pathfile)
        if reader.getNumPages() < 1:    #进一步通过页数判断。
            bValid = False
    except:
        bValid = False
        #print('*' + traceback.format_exc())
        
    return bValid

def isValidPDF_pathfile(pathfile):
    r""" 
    直接用文件内容判断头尾，
    参数为pdf文件全路径名 
    """
    content = ''
    with open(pathfile, mode='rb') as f:
        content = f.read()
    partBegin = content[0:20]
    if partBegin.find(rb'%PDF-1.') < 0:
        print('Error: not find %PDF-1.')
        return False
 
    idx = content.rfind(rb'%%EOF')
    if idx < 0:
        print('Error: not find %%EOF')
        return False
 
    partEnd = content[(0 if idx-100 < 0 else idx-100) : idx + 5]
    if not re.search(rb'startxref\s+\d+\s+%%EOF$', partEnd):
        print('Error: not find startxref')
        return False
 
    return True

filter=[".pdf"] #设置过滤后的文件类型 当然可以设置多个类型

def all_path(dirname):

    result = []#所有的文件

    for maindir, subdir, file_name_list in os.walk(dirname):

        # print("1:",maindir) #当前主目录
        # print("2:",subdir) #当前主目录下的所有目录
        # print("3:",file_name_list)  #当前主目录下的所有文件

        for filename in file_name_list:
            apath = os.path.join(maindir, filename)#合并成一个完整路径
            ext = os.path.splitext(apath)[1]  # 获取文件后缀 [0]获取的是除了文件名以外的内容

            if ext in filter:
                result.append(apath)

    return result

if __name__ == '__main__':
    root_path = "./"

    if len(sys.argv) >= 2:
        root_path = sys.argv[1]
    print(root_path)
    dir_or_files = all_path(root_path)
    with open(os.path.join(root_path,"result.txt"), "w") as fp:
        for dir_file in dir_or_files:
            #获取目录或者文件的路径
            #dir_file_path = os.path.join(root_path,dir_file)
            print(dir_file)
            if isValidPDF_pathfile(dir_file):
                if isValidPDF_pathfile2(dir_file):
                    print("OK")
                    #fp.write("OK   \t"+dir_file+"\r\n")
                else:
                    print("ERROR2")
                    fp.write("ERROR\t"+dir_file+"\r\n")
            else:
                print("ERROR")
                fp.write("ERROR\t"+dir_file+"\r\n")

附 做成 exe：pyinstaller -F -c checkpdf.py

pyinstaller下载

这是因为默认安装的Pyinstaller是3.31版本 不支持最新出的Python3.7 可以安装pyinstaller 3.4版本 支持Python3.7

pip install https://github.com/pyinstaller/pyinstaller/archive/develop.tar.gz

命令

命令	介绍
-F,-onefile	产生单个的可执行文件
-D,--onedir	产生一个目录（包含多个文件）作为可执行程序
-a，--ascii	不包含 Unicode 字符集支持
-d，--debug	产生 debug 版本的可执行文件
-w，--windowed，--noconsolc	指定程序运行时不显示命令行窗口（仅对 Windows 有效）
-c，--nowindowed，--console	指定使用命令行窗口运行程序（仅对 Windows 有效）
-o DIR，--out=DIR	指定 spec 文件的生成目录。如果没有指定，则默认使用当前目录来生成 spec 文件
-p DIR，--path=DIR	设置 Python 导入模块的路径（和设置 PYTHONPATH 环境变量的作用相似）。也可使用路径分隔符（Windows 使用分号，Linux 使用冒号）来分隔多个路径
-n NAME，--name=NAME	指定项目（产生的 spec）名字。如果省略该选项，那么第一个脚本的主文件名将作为 spec 的名字

检测pdf是否有效参考的:https://blog.51cto.com/walkerqt/1683680

pyinstaller参考： 

https://note.youdao.com/ynoteshare1/index.html?id=2d95b5572ce8953ae0acce9496b355ca&type=note