Skip to main content
 首页 » 编程设计

python之使用 `pdfrw` 添加元数据时如何正确解码/编码文件名

2025年05月04日10虾米哥

我正在编写一个脚本,用于将 PDF 元数据添加到 PDF 列表中。

我的问题是处理名称中包含某些字符的 PDF——在我尝试的示例中,名称中有一个“破折号”,但我确信将来(我无法控制这些文件名)会有其他类似的问题。

我正在使用 pdfrw 和 Python 2.7。目前我有:

from pdfrw import PdfReader,PdfWriter 
from os import listdir 
 
def get_files(pwy): 
   tr_files=listdir(pwy) 
   tr_files2=[] 
   for t in tr_files: 
      tr_files2.append(pwy+'/'+t) 
   return tr_files2 
 
def add_keywords(filename,keywords): 
   writer=PdfWriter() 
   trailer=PdfReader(filename) 
   trailer.Info.Keywords=keywords 
   writer.trailer=trailer 
   writer.write(filename) 
 
file_list=get_files('C:/example_folder') 
for f in file_list: 
   add_keywords(f,'some exciting metadata!') 

这适用于没有“en dash”的文件。带有“破折号”的文件显示,当我运行它时它已被修改,但当我在 Adob​​e Acrobat 中检查元数据时,那里什么也没有。

我很确定这是某种编码问题。由于它将“en dash”显示为 x\96,因此它必须使用 cp1252。我使用的是 Spyder 2.3.1,我的脚本顶部有 # -- coding: utf-8 --。

我通读了The Absolute Minimum Every Softward Developer Absolutely, Positively Must Know About Unicode and Character Sets和 Pragmatic Unicode而且我知道,一般来说,我想解码输入,运行其余代码(上面没有打印,但我使用文件名从数据库中提取信息,然后格式化该信息并希望将结果字符串放入元数据),然后再次对其进行编码。但我一直无法弄清楚任何有用的东西。

我认为解决方案将是以下之一:

  1. [best] 正确处理编码问题。

  2. 在子文件夹上运行某种批处理文件,将文件重命名为脚本可以处理的名称,然后在末尾反转名称(它们需要以原始文件名结尾)。

感谢您的帮助!我没能找到任何有用的东西。

请您参考如下方法:

您刚刚获得的 Unicode 知识不会帮助您处理 PDF。 PDF在Unicode出现之前就已经出现了。

您应该在官方 ISO 32000_2008 PDF-1.7 specification as published by Adobe 中查看“附件 D(规范):字符集和编码” , 从第 651 页开始。

在那里你会发现你应该使用 en-dash:

  • \263 标准编码
  • \230 MacEncoding
  • \226 用于 WinEncoding
  • \205 用于 PDFEncoding

对于元数据(/Info 字典)使用 PDFEncoding。