Python 使用“pdfrw”添加元数据时如何正确解码/编码文件名？

我正在编写一个脚本，将PDF元数据添加到PDF列表中

我的问题是处理名称中包含某些字符的PDF——在我尝试的示例中，名称中有一个“en破折号”，但我确信将来（我不控制这些文件名）会有其他类似的问题

我使用的是

pdfrw

和Python 2.7。目前我有：

from pdfrw import PdfReader,PdfWriter
from os import listdir

def get_files(pwy):
   tr_files=listdir(pwy)
   tr_files2=[]
   for t in tr_files:
      tr_files2.append(pwy+'/'+t)
   return tr_files2

def add_keywords(filename,keywords):
   writer=PdfWriter()
   trailer=PdfReader(filename)
   trailer.Info.Keywords=keywords
   writer.trailer=trailer
   writer.write(filename)

file_list=get_files('C:/example_folder')
for f in file_list:
   add_keywords(f,'some exciting metadata!')

这适用于没有“en-dash”的文件。带有“en-dash”的文件显示，在我运行此程序时，它已被修改，但当我在Adobe Acrobat中检查元数据时，却什么都没有

我很确定这是某种编码问题。由于“en-dash”显示为

x\96

，因此必须使用cp1252。我正在使用Spyder 2.3.1，我的脚本顶部有#——编码：utf-8

我通读了一遍，我知道，一般来说，我想解码输入，运行代码的其余部分（上面没有打印，但我使用文件名从数据库中提取信息，然后格式化该信息，并希望将结果字符串放入元数据），然后再次编码。但我还没找到任何有效的方法

我认为解决方案将是以下之一：

[最佳]正确处理编码问题

在子文件夹上运行某种批处理文件，将文件重命名为脚本可以处理的文件，然后在末尾反转名称（它们需要以原始文件名结尾）

---

谢谢你的帮助！我找不到任何有效的方法。

您刚获得的Unicode技术将无法帮助您使用PDF。PDF在Unicode出现之前就已经出现了

您应查阅官方文件第651页的“附录D（规范性）：字符集和编码”

在这里，您会发现您应该使用en-dash：

• 标准编码的

  \263

• \230

  用于编码

• \226

  用于葡萄酒编码
• 用于PDF编码的

  \205

---

对于元数据（

/Info

字典），请使用PDFEncoding。

关于第二种解决方案的更多内容-您是否可以将文件复制到

add_keywords

中的另一个路径，然后执行

PdfWriter

操作，然后将其复制回来？您可以使用

tempfile.mkstemp（）

来获取临时文件名，或者如果您一次只打算创建一个文件名，只需在某个地方选择一个名称…

不幸的是，我还没有足够的声誉让stackoverflow让我对这个问题发表评论，因此这更多的是一个评论，而不是一个真正的答案。（我是pdfrw的作者。）

带有“en-dash”的文件显示，在我运行此程序时，它已被修改，但当我在Adobe Acrobat中检查元数据时，却什么都没有

真奇怪。您确定看到的是修改时间，还是访问时间（例如，由于某种原因，读取工作正常，但写入工作不正常）

无论如何，我想建议（出于调试目的）首先将“writer.write（filename）”替换为“writer.write（'modified_'+filename）”

您还可以在循环中打印文件名，以确保确实可以看到这些文件

---

最后，pdfrw中的文件名处理非常基本，但是如果出于某种原因需要，您可以自己打开文件，并将文件对象传递给读写器。

我认为这不是问题所在，因为编码问题不在于PDF元数据，而在于读取的PDF名称。我认为正在发生的是，该文件被称为hello--world.pdf，它试图写入hello\x96world.pdf，当然，它并不存在。我认为PDF元数据实际上与这个问题无关——它只是相关的，因为我使用的是pdfrw包，所以我认为它如何写入文件可能很重要。您的$headline清楚地谈到“使用

pdfrw

对文件名进行编码以添加元数据”。所以我的答案是适用的。公平地说，它说“使用pdfrw添加元数据时对文件名进行编码。”所以我肯定可以提高我的问题标题技巧，但这并不是错误的。使用pdfrw添加元数据的目的是添加上下文。我的回答比元数据有更广泛的含义。我向您指出了仅有的25页，其中有几个与您的问题相关的巨大表格，这些表格显示，既不涉及utf8，也不涉及直接十六进制编码。