用Python读取 PDF中表格内容并重命名

工作中需要处理一些pdf文件，把一个大的pdf按页分割成一份一份的，每个文件格式相同，提取其中的某个字段来重命名，手动去搞工作量太大了，动辄几百份，去网上找个软件，因为需求比较小众，所以只有一个软件，试用一下可以满足，但很快到期了，没办法，自己搞个脚本来用用。

大概只懂一点PHP和Python，但是PHP没办法读取pdf内容并提取，所以还是用Python来搞定，需要安装好Python以及以下环境和依赖：

1.java

2.tabula

3.pandas 和 numpy

java下载安装，一样配置好jdk环境，添加好系统path，然后打开终端，安装模块和依赖

pip install tabula-py

pip install pandas

装好之后就可以开始Python编码了，代码比较简单，完整代码如下：

import tabula
import re
import os

if __name__=="__main__":
    folder = "rename"
    os.chdir(folder)
    pdflist = os.listdir()
    print(pdflist)
    for item in pdflist:
        if item[-4:] in [".pdf",".PDF"] :
            df = tabula.read_pdf(item,encoding='utf-8', pages='1')
            new_name = df[0].iloc[0,1]
            if new_name:
                os.rename(item,f"{new_name}.pdf")
                print(item + " 已重命名为 " + f"{new_name}.pdf")
    print("重命名完成！")

大概就是读取pdf，提取特定行列的内容，然后用得到的内容重命名文件，循环特定路径下的所有文件，保存成py脚本以后随时调用，收工。