如何用Python覆盖各类文件现有元数据？拟借助win32com.client

一、基于win32com.client的Office文件元数据覆盖方案 #

既然你之前已经用win32com.client获取过元数据，直接用它修改是最贴合现有技术栈的方案——它直接操作Office文件的原生内置属性，不会添加额外系统属性，完全覆盖原有值。

以下是通用处理脚本，支持doc、docx、xls、xlsx、ppt、pptx格式：

import win32com.client as win32
import os

def update_office_metadata(file_path, metadata):
    # 映射文件后缀到对应的Office COM程序ID
    app_map = {
        '.doc': 'Word.Application',
        '.docx': 'Word.Application',
        '.xls': 'Excel.Application',
        '.xlsx': 'Excel.Application',
        '.ppt': 'PowerPoint.Application',
        '.pptx': 'PowerPoint.Application'
    }
    ext = os.path.splitext(file_path)[1].lower()
    if ext not in app_map:
        raise ValueError(f"不支持的文件类型: {ext}")
    
    # 启动对应Office程序
    app = win32.Dispatch(app_map[ext])
    app.Visible = False  # 后台运行不显示界面
    try:
        # 根据文件类型打开文档
        if ext in ['.doc', '.docx']:
            doc = app.Documents.Open(os.path.abspath(file_path))
        elif ext in ['.xls', '.xlsx']:
            doc = app.Workbooks.Open(os.path.abspath(file_path))
        else:
            doc = app.Presentations.Open(os.path.abspath(file_path))
        
        # 覆盖标准内置元数据（可根据需求扩展更多属性）
        metadata_mapping = {
            'title': "Title",
            'author': "Author",
            'subject': "Subject",
            'keywords': "Keywords",
            'comments': "Comments"
        }
        for key, prop_name in metadata_mapping.items():
            if key in metadata:
                doc.BuiltInDocumentProperties(prop_name).Value = metadata[key]
        
        # 覆盖自定义元数据（如果需要）
        if 'custom_properties' in metadata:
            for prop_name, prop_value in metadata['custom_properties'].items():
                try:
                    # 若属性已存在则直接修改
                    doc.CustomDocumentProperties(prop_name).Value = prop_value
                except:
                    # 不存在则创建（可选，根据需求调整）
                    doc.CustomDocumentProperties.Add(
                        Name=prop_name,
                        LinkToContent=False,
                        Type=win32.constants.msoPropertyTypeString,
                        Value=prop_value
                    )
        
        doc.Save()
        doc.Close()
    finally:
        # 确保Office程序退出
        app.Quit()

# 使用示例
if __name__ == "__main__":
    target_metadata = {
        'title': '更新后的文档标题',
        'author': '新的作者名称',
        'subject': '更新后的主题',
        'custom_properties': {'项目编号': 'PROJ-2024-001'}
    }
    update_office_metadata("example.docx", target_metadata)

注意事项：

• 需要先安装pywin32：pip install pywin32
• 系统必须安装对应版本的Office软件，因为win32com依赖Office的COM组件

二、其他文件类型的元数据覆盖方案 #

PDF文件 #

用PyMuPDF（fitz）修改PDF原生元数据，轻量且无需依赖PDF阅读器：

import fitz  # PyMuPDF

def update_pdf_metadata(file_path, metadata):
    doc = fitz.open(file_path)
    # 覆盖元数据，键名需对应PDF标准元数据字段
    new_metadata = {
        'title': metadata.get('title', doc.metadata['title']),
        'author': metadata.get('author', doc.metadata['author']),
        'subject': metadata.get('subject', doc.metadata['subject']),
        'keywords': metadata.get('keywords', doc.metadata['keywords'])
    }
    doc.set_metadata(new_metadata)
    doc.saveIncr()  # 增量保存，速度更快
    doc.close()

# 使用示例
update_pdf_metadata("example.pdf", {'title': '更新后的PDF标题', 'author': '新作者'})

安装命令：pip install pymupdf

纯Python处理Office新格式（无需Office软件） #

如果不想依赖Office COM组件，可使用专门的库处理docx/xlsx/pptx：

docx文件（python-docx）

from docx import Document

def update_docx_metadata(file_path, metadata):
    doc = Document(file_path)
    core_props = doc.core_properties
    if 'title' in metadata:
        core_props.title = metadata['title']
    if 'author' in metadata:
        core_props.author = metadata['author']
    if 'subject' in metadata:
        core_props.subject = metadata['subject']
    doc.save(file_path)

安装：pip install python-docx

xlsx文件（openpyxl）

from openpyxl import load_workbook

def update_xlsx_metadata(file_path, metadata):
    wb = load_workbook(file_path)
    props = wb.properties
    if 'title' in metadata:
        props.title = metadata['title']
    if 'author' in metadata:
        props.creator = metadata['author']
    if 'subject' in metadata:
        props.subject = metadata['subject']
    wb.save(file_path)

安装：pip install openpyxl

三、为什么os.setxattr不满足需求 #

os.setxattr是给文件添加系统级扩展属性（比如Linux的xattr或Windows的替代属性），并非文件本身的原生元数据（比如Office的内置文档属性、PDF的文档信息），所以会出现额外属性的问题，完全不符合你的需求。

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