如何使用Python提取文件夹中所有PDF文件的元数据？

当然可以实现批量处理，以下是基于你现有代码扩展的完整解决方案，能遍历指定文件夹下的所有PDF文件并提取元数据：

import os
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument

def get_pdf_metadata(pdf_file_path):
    try:
        with open(pdf_file_path, 'rb') as file:
            parser = PDFParser(file)
            doc = PDFDocument(parser)
            
            # 处理元数据的字节转字符串，避免乱码
            formatted_metadata = {}
            for info_entry in doc.info:
                for key, val in info_entry.items():
                    decoded_key = key.decode('utf-8', errors='replace')
                    decoded_val = val.decode('utf-8', errors='replace') if isinstance(val, bytes) else val
                    formatted_metadata[decoded_key] = decoded_val
            
            return formatted_metadata
    except Exception as e:
        return {"提取失败": str(e)}

def batch_process_pdf_folder(folder_path):
    # 遍历文件夹，筛选所有PDF文件（忽略大小写）
    for file_name in os.listdir(folder_path):
        if file_name.lower().endswith('.pdf'):
            full_file_path = os.path.join(folder_path, file_name)
            print(f"--- {file_name} 的元数据 ---")
            metadata = get_pdf_metadata(full_file_path)
            for k, v in metadata.items():
                print(f"{k}: {v}")
            print("\n")

# 替换为你的目标文件夹路径
if __name__ == "__main__":
    target_folder = "/你要处理的文件夹路径"
    batch_process_pdf_folder(target_folder)

关键改进点： #

• 用os模块遍历文件夹，通过lower().endswith('.pdf')兼容大小写不同的PDF文件名（比如.PDF）
• 封装单个PDF处理函数，加入异常捕获，避免某个损坏/加密的PDF导致整个脚本崩溃
• 将元数据中的字节类型解码为字符串，解决原脚本输出中可能出现的b'xxx'字节显示问题
• 格式化输出每个文件的元数据，可读性更强

如果遇到加密的PDF文件，你可以给PDFDocument初始化时传入密码参数（doc = PDFDocument(parser, password="你的密码")）来适配解密逻辑。

内容的提问来源于stack exchange，提问作者Petersselorse