從PDF文件中提取標題？

我想寫一個腳本來自動重命名下載的文件和他們的標題，我想知道是否有任何圖書館或技巧我可以使用？這些PDF都是由TeX生成的，並且應該有一些「正式的」結構。從PDF文件中提取標題？

2009-05-26 ZelluX

你在哪裏得到的PDF文件標題標題？該信息是否需要從PDF文檔屬性或PDF內容中提取，或者您是否從其他來源提取該信息？ – Rowan 2009-05-27 04:27:51

[提取研究論文的PDF信息]的可能重複（http://stackoverflow.com/questions/1813427/extracting-information-from-pdfs-of-research-papers） – Seanny123 2017-01-11 06:53:40

您可以嘗試使用pyPdf和this example。

例如：

from pyPdf import PdfFileWriter, PdfFileReader 

def get_pdf_title(pdf_file_path): 
    with open(pdf_file_path) as f: 
     pdf_reader = PdfFileReader(f) 
     return pdf_reader.getDocumentInfo().title 

title = get_pdf_title('/home/user/Desktop/my.pdf')

來源

2009-05-26 16:58:14 schnaader

我可能會從perl開始（因爲它總是我第一件事）。有several modules for handling PDFs。如果你有一致的結構，你可以使用正則表達式來獲取標題。

來源

2009-05-26 16:58:14 moshen

您可以嘗試使用iText與Jython

來源

2009-05-26 17:00:36 northpole

假設所有這些論文都是從的arXiv，你可以改爲提取的arXiv ID（我猜搜索PDF文本中的「arXiv：」將始終顯示該ID爲第一次打擊）。

一旦你擁有了的arXiv參考號（和已經做了pip install arxiv），你可以使用

paper_ref = '1501.00730' 
arxiv.query(id_list=[paper_ref])[0].title

來源

2018-01-24 08:45:54 AndyP

從PDF文件中提取標題？

回答

相關問題