我正在尝试获取PDF文件的元数据
from pdfminer3.pdfparser import PDFParser
from pdfminer3.pdfdocument import PDFDocument
fp = open('C:/Users/asus/Desktop/storage/jdghosh_sap@rediffmail.com.pdf', 'rb')
parser = PDFParser(fp)
doc = PDFDocument(parser)
print(doc.info[0]["CreationDate"])
print(doc.info[0]["ModDate"])
输出
b"D:20140706114446+05'30'"
b"D:20140706114446+05'30'"
如何将这些数据解析为Python日期?
制作了一个将其转换的功能:
from pdfminer3.pdfparser import PDFParser
from pdfminer3.pdfdocument import PDFDocument
def convertPdfDatetime(pd):
from datetime import datetime
dtformat = "%Y%m%d%H%M%S"
clean = pd.decode("utf-8").replace("D:","").split('+')[0]
return datetime.strptime(clean,dtformat)
fp = open('/home/prtjohanson/test.pdf', 'rb')
parser = PDFParser(fp)
doc = PDFDocument(parser)
pdf_creation_date = doc.info[0]["CreationDate"]
print(pdf_creation_date)
print(convertPdfDatetime(pdf_creation_date))
出于某种原因,我的Linux机器上没有后缀在DateTime字符串的末端凝视 ,我怀疑它可能与时区有关,或者可能取决于PDF文件本身的方式创建。
无论如何,上面的代码应涵盖两种情况。