批量导出 PDF 属性答案

【问题标题】：Batch Export PDF Properties批量导出 PDF 属性
【发布时间】：2018-10-20 01:01:23
【问题描述】：

TL;DR

我正在寻找一个充满 PDF 文件的文件目录，并将它们的属性（特别是页码）“导出”到 .CSV 文件。

研究

我发现许多程序可以让我批量导出 PDF 的元数据，但这通常与源信息有关，而不是关于 PDF 本身的可用信息。

详情

我需要页码才能推断出页面的顺序。我正在使用一个索引系统，该系统将允许两方定位和交流文档。我计划制作一个带有文档标题和唯一 ID 的 Excel 文档，这些 ID 需要与 PDF 上的连续贝茨编号相对应。

我不介意对此进行编码或进行广泛的创意，但它必须是可以批量完成的，因为文件很多。

提前感谢您提供的任何帮助。

【问题讨论】：

您所说的“页码”是指 PDF 的总页数吗？
是的。由于贝茨数是连续的，我可以通过页数推断贝茨数的增加。

标签： excel pdf adobe batch-processing

【解决方案1】：

你说你不介意编码，所以这里有一个简短的 Python 脚本，可以满足你的需求（据我所知）。

#!python3.6
import csv
import os

import fitz  # http://pymupdf.readthedocs.io/en/latest/


def main():
    """ Place script in same directory as PDFs. """
    script_dir = os.path.dirname(os.path.abspath(__file__))
    csv_filename = os.path.join(script_dir, 'pdf_information.csv')
    with open(csv_filename, mode='w', newline='') as f:
        writer = csv.writer(f)
        writer.writerow([
            'Filename',
            'Page Count',
        ])
        for basename in os.listdir(script_dir):
            if basename.upper().endswith('.PDF'):
                filename = os.path.join(script_dir, basename)
                pdf = fitz.open(filename)
                writer.writerow([
                    basename,
                    pdf.pageCount,
                ])
                pdf.close()


if __name__ == '__main__':
    main()

【讨论】：

@jowens ，虽然我已经对此进行了测试，但你太棒了！这看起来很棒。我对 Python 有一些经验，但主要是语法，所以我什至没有想过要使用它。我稍后会测试它。我为我的经验不足道歉，但我真的只是在 Python 控制台中运行它吗？（我问，因为这听起来太直接了，因此，奇迹般的。）
安装 Python（我用 3.6 版测试）和 PyMuPDF 包（代码中文档的 URL）。将代码保存为 *.py 文件，并确保您的操作系统知道如何运行 *.py 文件。将 *.py 文件放在包含 PDF 的文件夹中并运行它，它应该会创建一个 *.csv 文件。
太棒了。再次感谢你。我会尽快测试。
好吧，所以我整晚都在这，虽然我已经安装了 Python，但我正在努力安装 PyMuPDF 的基础知识。当我输入文档中建议的行 (>>> pip install [--upgrade] PyMuPDF) 时，“安装”出现语法错误。接下来的几天我要去度假，所以我会广泛阅读 Python。如果你知道可能是什么原因造成的，那么你将成为一个真正的救星。
pip 应该从操作系统命令行运行，而不是从 Python shell 中运行。