python读取pdf首页前几个文本框重命名pdf文件

说明：python用得不多，比较笨的办法。

1, 需要安装pdfminer：pip install pdfminer;  

2, 把文件复制并保存为rename.py

3, pdf放在rename.py同级目录下的pdf文件夹，文件夹复制一份为pdf1.

4，运行python rename.py

# rename.py

# 导入库
# -*- coding: utf-8 -*-   
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfpage import PDFTextExtractionNotAllowed
from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import PDFPageInterpreter
from pdfminer.pdfdevice import PDFDevice
from pdfminer.layout import *
from pdfminer.converter import PDFPageAggregator

import re
import os


# 设置文档密码
password = ''
#设定文件路径
path='.\\pdf'
#path1='.\\pdf1'
i=1
#filename='PostgresChina2...1545186754.pdf'
#allname='Postgresql 高可用 平安云    汪洋.pdf'
#设置新文件名
#new_name=filename.replace(filename,allname)
#重命名
#os.rename(os.path.join(path1,filename),os.path.join(path1,new_name))    
#对目录下的文件进行遍历

#return 
for filename in os.listdir(path):

#判断是否是文件
    allname=''
    if os.path.isfile(os.path.join(path,filename))==True:
        print (filename)
        
        #打开pdf文件
        fp = open(path+"\\"+filename,'rb')

        #从文件句柄创建一个pdf解析对象
        parser = PDFParser(fp)

        #创建pdf文档对象，存储文档结构
        document = PDFDocument(parser,password)

        if not document.is_extractable:
            raise PDFTextExtractionNotAllowed
        #创建一个pdf资源管理对象，存储共享资源
        rsrcmgr = PDFResourceManager()

        #创建一个PDF设备对象
        laparams = LAParams()
        device = PDFPageAggregator(rsrcmgr,laparams=laparams)
        #创建一个PDF解释其对象
        interpreter = PDFPageInterpreter(rsrcmgr,device)
                
        #处理包含在文档中的每一页
        j=1

        subname=''
        y=1
        j+=1
        for page in PDFPage.create_pages(document):
            interpreter.process_page(page)
            layout = device.get_result()
           
            for x in layout:
                # 获取文本对象
                
                if isinstance(x, LTTextBox):#LTTextBoxHorizontal
                    #print(x.get_text().strip())
                    subname = x.get_text().strip()                    
                    #print (subname)                    
                    if( y == 2 or y == 3):
                        allname+=subname+"-"
                    if( y == 4 ):
                        allname+=subname+".pdf"
                     
                    
                    print (allname)
                # 获取图片对象
                if isinstance(x,LTImage):
                    print('这里获取到一张图片')
                # 获取 figure 对象
                if isinstance(x,LTFigure):
                    print('这里获取到一个 figure 对象')
                #Print 4 element
                if ( y == 4):
                    break      
                y+=1
            #Print 1 page
            if ( j == 2):
                break
        
    #handle abnormal char
    #allname = allname.decode("utf8")
    allname = re.sub("[\s+\.\!\/_,$%^*(+\"\')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]+", "",allname)
    print (allname)
    #设置新文件名
    #new_name=filename.replace(filename,allname)
    #重命名
    #os.rename(os.path.join(path,filename),os.path.join(path,new_name))    
    
    #i+=1
    #if ( i == 2 ):
    #    break
    
    
#结束
print ("End")