根据 PDF 标题重命名文件

Question

我正在尝试编写文件重命名 Perl 脚本，以减少手动操作。我手动打开pdf文件，复制标题并根据标题重命名文件名。

我正在编写以下代码以根据文件标题重命名 pdf。例如SPE-180024-MS 是标题，pdf 应该重命名为那个

按照我的逻辑应该重命名文件，但是输出不正确

#!/usr/bin/perl

use strict;
#use warnings;

use Cwd;
use File::Basename;
#use File::Copy;
use File::Find;
use PDF::API2;
use CAM::PDF;

my $path1 = getcwd;
open( F6, ">Ref.txt" );

opendir( DIR, $path1 ) or die $!;
my @dots = grep /(.*?)\-(MS)$/, readdir(DIR);
closedir(DIR);

my @file;
my @files;
my $check;
my $err_1;
my $err_2;
my $err_3;

foreach my $file (@dots) {

    #print F6 $file."\n";
    opendir DIR1, $file or die "Can't open $file: $!";
    my @files = sort grep { -f "$file/$_" } readdir DIR1;
    my $data1 = join( ",", <@files> );
    closedir DIR1;

    #print F6 @files."\n";
    my $a = @files;

    if ($data1 =~ m#(((\w+)\-(\d+)\-MS)\.(pdf))#
        #&& $data1=~m#((\w+)\-(\d+)\-MS\.(xml))#) #((.*?)\.xml)#
        ) {

        my $check = $2;

        #print F6 $1."\n";

        if ( $data1 =~ m#(((\w+)\-(\d+)\-MS)\.(xml))# ) {
            my $check1 = $2;
            my $first  = $1;

            if ( $check eq $file || $check1 eq $file ) {

            }
            else {
                #print F6 $file."\tDIFFERENT FILE PRESENT\n";
            }
        }
    }

    foreach my $f1 ( glob("$file/*.xml") ) {

        #print F6 $f1."\n";

        open( FH, '<', $f1 ) or die "Cannot open file: $f1";
        my $data2 = join( "", <FH> );

        #print F6 $data2."\n";

        close FH;

        if ( $data2 =~ m#(<page-count count="(\d+)"/>)# ) {

            my $page = $2;

            #print F6 $f1."\t".$1."\n";

            if ( $f1 =~ m#(.*?)-MS/((.*?)-MS)#s
                #SPE-173391-MS/SPE-173393-MS    #(.*?)\.(.*?)$/s)
                ) {

                my $f11 = $2;

                #print F6 $f11."\n";
                if ( $file eq $f11 ) {

                }
                else {

                    $err_1
                        = $err_1
                        . $file . "\t"
                        . $f11
                        . "\tDIFFERENT XML FILE PRESENT\n";

                    #print F6 $file."\t".$f11."\tDIFFERENT XML FILE PRESENT\n";
                    #print F6 $file."\tDIFFERENT XML FILE PRESENT\n";
                }

                foreach my $f2 ( glob("$file/*.pdf") ) {

                    open( F2, "<$f2" ) or die "Cannot open file: $f2";
                    my $data = join( "", <F2> );
                    close F2;

                    my $xml_list = $data;

                    my $pdf   = PDF::API2->open($f2);
                    my $pages = $pdf->pages;

                    #print F6 $f2."\t".$pages."\n";

                    if ($f2 =~ m#(.*?)-MS/((.*?)-MS)#

                        #/(.*?)\.(.*?)$/s
                        ) {

                        my $f21 = $2;

                        if ( $file eq $f21 ) {

                        }
                        else {

                            $err_2
                                = $err_2
                                . $file . "\t"
                                . $f21
                                . "\tDIFFERENT PDF FILE PRESENT\n";

                            #print F6 $file."\t".$f21."\tDIFFERENT PDF FILE PRESENT\n";
                        }

                        while ( $f11 =~ m/$f21/gs ) {

                            if ( $page !~ m#$pages#s ) {

                                $err_3
                                    = $err_3
                                    . $f1 . "\t"
                                    . $page . "\t"
                                    . $f2 . "\t"
                                    . $pages . "\n";

                                #print F6 $f1."\t".$page."\t".$f2."\t".$pages."\n";

                                $data2 =~ s#<page-count count="$page"\/>#<page-count count="$pages"\/>#gs;

                                open( FH, '>', $f1 ) or die "Cannot open file: $f1";
                                print FH $data2 . "\n";
                                close FH;
                            }
                        }
                    }
                }
            }
        }
    }
}

close F6;

---

这是文件。标记的标题是我想要的。

Answer 1

PDF 通常有一堆元数据，其中包括文档标题。如果幸运的话，您会在其中找到所需的 PDF 标题。使用PDF::API2 及其info 方法的Perl 示例：

use autodie;
use Modern::Perl;
use PDF::API2;

my $file     = '/your/sample/file.pdf';
my $pdf      = PDF::API2->open( $file );
my %pdf_info = $pdf->info;
my $title    = $pdf_info{Title};

my $renamed_dir = '/some/where/else/';
if ( $title ) {
    my $new_name = $renamed_dir . $title;
    if ( -f $new_name ) {
        warn "File $new_name already exists, move it out of the way!";
    } else {
        $pdf->saveas( $new_name );
    }
} else {
    warn "No title found in document info.";
}

如果您需要使用文本的某些部分，则应先将其转换为文本。由于您没有提及任何操作系统限制，因此您获得了 Debian/Ubuntu 解决方案。首先，安装包poppler-utils。然后使用新安装的工具pdftotext从PDF中提取所有文本。使用pdftotext -layout 可能是个好主意。从结果文本中，您必须使用“标题”对行进行 grep/解析，然后使用它来重命名（或更安全：复制）PDF。

Answer 2

您不能只打开一个 PDF 文件并对其进行操作。它与文本文件不同，因此必须对其进行解析。 您可以使用CAM::PDF。它会将您的 pdf 转换为文本，以后可以对其进行分析以获取标题。

上面提供的链接涵盖了足够的内容来完成您的工作。我在这里复制了一些相关的东西

use CAM::PDF;
my $pdf = CAM::PDF->new('test1.pdf');
$pageNum = 1
my $page1 = $pdf->getPageContent(pageNum);

变量page1 将具有pageNum 变量指定的页面内容。休息是提取所需信息的问题。

如果您发现将整个 pdf 转换为文本，则可以使用 getpdftext.pl，它是 CAM::PDF 的一部分，但与阅读单页相比效率低下。