使用 pypdf2 更改 pdf 文件的元数据

Question

我想将元数据键值对添加到 pdf 文件的元数据中。

我找到了一个几年前的答案，但我认为这太复杂了。我想今天有一个更简单的方法：

我没有和pypdf2结婚，如果有更简单的方法，那我走这条路？

Answer 1

您可以使用 pdfrw

pip install pdfrw

然后运行

from pdfrw import PdfReader, PdfWriter   
trailer = PdfReader("myfile.pdf")    
trailer.Info.WhoAmI = "Tarun Lalwani"    
PdfWriter("edited.pdf", trailer=trailer).write()

然后检查 PDF 自定义属性

Answer 2

当问题明确要求 PyPDF2 时，我很惊讶地看到 PyPDF2 没有代码示例，所以这里是：

from PyPDF2 import PdfFileReader, PdfFileWriter

reader = PdfFileReader("source.pdf")
writer = PdfFileWriter()

writer.appendPagesFromReader(reader)
metadata = reader.getDocumentInfo()
writer.addMetadata(metadata)

# Write your custom metadata here:
writer.addMetadata({"/Some": "Example"})

with open("result.pdf", "wb") as fp:
    writer.write(fp)

Answer 3

根据 Cyril N. 的说法，代码工作正常，但它创建了很多“垃圾”文件，因为现在您有了原始文件和带有元数据。

我稍微更改了代码，因为我每天要运行处理数百个文件，不想处理额外的 clean-up:

from PyPDF2 import PdfFileReader, PdfFileWriter

reader = PdfFileReader("your_original.pdf")
writer = PdfFileWriter()

writer.appendPagesFromReader(reader)
metadata = reader.getDocumentInfo()
writer.addMetadata(metadata)

# Write your custom metadata here:
writer.addMetadata({"/Title": "this"})

with open("your_original.pdf", "ab") as fout:
    # ab is append binary; if you do wb, the file will append blank pages
    writer.write(fout)

如果您确实想将它作为一个新文件，只需为 fout 中的 pdf 使用不同的名称并保留 ab。如果您使用 wb，您将追加与原始文件相同的空白页。

Answer 4

在 Python

中编辑 PDF 元数据的正确方法

Python 中有多种编辑 PDF 元数据的方法，但其中一种方法优于其他方法。

我先说说其他看似正确但有副作用的方法。时间不够请直接跳到文末。

缺点是没有维护包。

from pdfrw import PdfReader, PdfWriter, PdfDict

if __name__ == '__main__':
    pdf_reader = PdfReader('old.pdf')
    metadata = PdfDict(Author='Someone', Title='PDF in Python')
    pdf_reader.Info.update(metadata)
    PdfWriter().write('new.pdf', pdf_reader)

pdfrw can do quite easily without losing non-display information such as bookmarks.

PyPDF2 supports more PDF features than pdfrw, including decryption and more types of decompression.

缺点是PDF不保留轮廓（书签）。

import pprint

from PyPDF2 import PdfFileReader, PdfFileWriter

if __name__ == '__main__':
    file_in = open('old.pdf', 'rb')
    pdf_reader = PdfFileReader(file_in)
    metadata = pdf_reader.getDocumentInfo()
    pprint.pprint(metadata)

    pdf_writer = PdfFileWriter()
    pdf_writer.appendPagesFromReader(pdf_reader)
    pdf_writer.addMetadata({
        '/Author': 'Someone',
        '/Title': 'PDF in Python'
    })
    file_out = open('new.pdf', 'wb')
    pdf_writer.write(file_out)

    file_in.close()
    file_out.close()

使用PdfFileWriter新建PDF，通过appendPagesFromReader()获取旧内容，然后addMetadata()。

看来我们不能直接修改 PDF 元数据，所以我们添加所有页面和元数据，然后写出到一个新文件中。

在Python.

中编辑PDF元数据的正确方法

import pprint

from PyPDF2 import PdfFileReader, PdfFileMerger

if __name__ == '__main__':
    file_in = open('old.pdf', 'rb')
    pdf_reader = PdfFileReader(file_in)
    metadata = pdf_reader.getDocumentInfo()
    pprint.pprint(metadata)

    pdf_merger = PdfFileMerger()
    pdf_merger.append(file_in)
    pdf_merger.addMetadata({
        '/Author': 'Someone',
        '/Title': 'PDF in Python'
    })
    file_out = open('new.pdf', 'wb')
    pdf_merger.write(file_out)

    file_in.close()
    file_out.close()

使用 PdfFileMerger 通过 append() 连接页面。

append(fileobj, bookmark=None, pages=None, import_bookmarks=True)

import_bookmarks (bool) – 您可以通过将其指定为 False 来阻止导入源文档的书签。

参考资料

pdfrw: the other Python PDF library
Reading and writing pdf metadata

使用 pypdf2 更改 pdf 文件的元数据

Change metadata of pdf file with pypdf2

python

pdf

pypdf2

pdf-manipulation

在 Python

参考资料