使用Python拉取一个目录下所有pdf文档的页数答案

【问题标题】：Using Python to pull the number of pages in all the pdf documents in a directory使用Python拉取一个目录下所有pdf文档的页数
【发布时间】：2017-03-17 14:05:03
【问题描述】：

我正在尝试使用 PyPDF2 来获取目录中每个 pdf 的页数。我可以使用 .getNumPages() 来查找一个 pdf 文件中的页数，但我需要遍历一个目录并获取每个文件的页数。有什么想法吗？

这是我目前的代码：

import pandas as pd
import os
from PyPDF2 import PdfFileReader
df = pd.DataFrame(columns=['fileName', 'fileLocation', 'pageNumber'])
pdf=PdfFileReader(open('path/to/file.pdf','rb'))
for root, dirs, files in os.walk(r'Directory path'):
    for file in files:
        if file.endswith(".pdf"):
            df2 = pd.DataFrame([[file, os.path.join(root,file),pdf.getNumPages()]], columns=['fileName', 'fileLocation', 'pageNumber'])
            df = df.append(df2, ignore_index=True)

此代码只会将目录中第一个 PDF 文件的页数添加到数据框中。如果我尝试向 PdfFilereader() 添加目录路径，我会得到一个

PermissionError:[Errno 13] Permission denied.

【问题讨论】：

您是否尝试过自己先做这件事？如果是这样，您应该发布您的代码，然后寻求帮助。 StackOverflow 不是让人们为您工作的地方！
mrpopo 我很欣赏 SO 的这一方面，但他只需要两行代码，所以也许我们可以破例:)
我是 StackOverflow 的新手！我编辑了我的帖子并添加了我的代码。
尝试用“f”替换“file”。我不认为它导致了问题，但它是一个 python 保留字。

标签： python pdf

【解决方案1】：

是的，使用

import glob
list_of_pdf_filenames = glob.glob('*pdf')

返回目录中所有 PDF 文件名的列表。

**编辑：**

通过将 open() 语句放在循环中，我可以让这段代码在我的计算机上运行：

import pandas as pd
import os
from PyPDF2 import PdfFileReader
df = pd.DataFrame(columns=['fileName', 'fileLocation', 'pageNumber'])
for root, dirs, files in os.walk(r'/home/benjamin/docs/'):
    for f in files:
        if f.endswith(".pdf"):
            pdf=PdfFileReader(open(os.path.join(root, f),'rb'))
            df2 = pd.DataFrame([[f, os.path.join(root,f), pdf.getNumPages()]], columns=['fileName', 'fileLocation', 'pageNumber'])
            df = df.append(df2, ignore_index=True)
print(df.head)

【讨论】：

感谢您的帮助！我可以在目录中找到所有 PDF 文件名的列表没有问题。我无法在目录中找到这些 PDF 文件的页数。
@Dillanm 这就是我一直在使用的。我似乎无法弄清楚如何使用它并遍历目录以获取每个 PDF 文件的页数。
@Zfrieden 您用于“目录路径”的实际值是多少？而且，如果您暂时将最后两行注释掉，而只写print(root, file)，它会打印什么？
@Benjamin '目录路径'是我桌面上本地文件夹的路径。如果我 print(root,file) 输出是文件夹中带有文件路径的每个文件名。
为什么open() 语句不在循环内？我认为您可能希望单独打开每个 PDF 以阅读其页码，对吗？

【解决方案2】：

第 1 步：-

pip 安装 pyPDF2

第 2 步：-

import requests, PyPDF2, io
url = 'sample.pdf' 
response = requests.get(url)
with io.BytesIO(response.content) as open_pdf_file:
  read_pdf = PyPDF2.PdfFileReader(open_pdf_file)
  num_pages = read_pdf.getNumPages()
  print(num_pages)

【讨论】：