识别pdf中论文标题并重命名PDF名称（2024.1.3）把不能命名的英文符号替换成中文

颦蹙遥寄

于 2024-01-03 19:42:13 发布

阅读量624

点赞数 8

分类专栏： python脚本文章标签： pdf 深度学习机器学习

本文链接：https://blog.youkuaiyun.com/weixin_44751432/article/details/135371485

版权

本文介绍了一个Python程序，它通过解析PDF文档中的文本块，识别出最大的字体大小的句子作为标题，同时处理特殊字符（如冒号、问号和反斜杠），然后将PDF文件重命名为提取的标题。程序适用于英文论文PDF文件的批量重命名。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主要针对英文下的

" : ?
在第139~142行输入
if “?” in title:
title=title.replace(“?”,“？”)
if “”" in title:
title = title.replace(“”", ““”)


```python
import os
import time




import fitz



def find_largest_font_sentence(pdf_path):

    largest_font_size = 0

    largest_font_sentence = ''

    maxsize=0

    # 打开PDF文件

    document = fitz.open(pdf_path)



    for page_number in range(2):

        page = document.load_page(page_number)

        blocks = page.get_text("dict")["blocks"]



        for block in blocks:

            if "lines" in block:  # 检查是否存在 lines 字段

                for line in block["lines"]:

                    for span in line["spans"]:

                        if span["size"] > largest_font_size:

                            largest_font_size = span["size"]

                            largest_font_sentence = span["text"]

        maxsize=largest_font_size

        for block in blocks

最低0.47元/天解锁文章