使用bash读取pdf内容

Question

我有几本电子书，它们并不总是以书名命名的。是否可以使用bash命令读取pdf的第一页(并执行一个琐碎的grep等)并相应地重命名文件？

谢谢

-a

Answer 1

波普尔图书馆提供了一组命令行工具，用于从PDF文件中提取文本和元数据。

要提取元数据，可以使用pdfinfo

例如

:~> pdfinfo ProAdminGuide.pdf  2>/dev/null | \
  grep Title: | sed 's/Title:[ ]*//'

输出

Professional Administrator’s Guide

有时PDF文件不包含完整的元数据。在这种情况下，您可以尝试运气从标题页的文本中提取标题。要提取标题页的文本，可以使用pdftotext

:~> pdftotext ProAdminGuide.pdf - | head -3

输出

A division of


Professional Administrator’s Guide, published by

无论如何，首先需要检查的是，在自动重命名它们之前，您可以从pdf文件中提取标题。

for book in *.pdf ; do 
   title=$(pdfinfo "$book" 2>/dev/null | grep Title: | sed 's/Title:[ ]*//')
   [[ "$title" ]] || continue
   mv "$book" "${title}.pdf"  
done

编辑：在评论中添加了查尔斯·达菲的一个很好的成语，以防万一