如何通过Bash脚本利用PDF提取的字符串批量重命名文件

问题背景 #

已通过pdfgrep "To cite this article" *.pdf从文件夹内多个PDF中提取出引用信息，输出示例如下：

09592296.2016.1169809.pdf: To cite this article: T.G. Otte (2016) Black, J. (2016). Geopolitics and the Quest for Dominance,

14650040008407697.pdf:To cite this article: Stanley D. Brunn (2000): Towards an understanding of the

14650040600767859.pdf:To cite this article: Virginie Mamadouh & Gertjan Dijkink (2006) Geopolitics, International Relations

14650040802203927.pdf:To cite this article: Tristan Sturm (2008) Critical Methodological Geopolitics: Discourse Analysis/

14650040903141398.pdf:To cite this article: Sean Carter (2009) Geopolitics and the Screen: War, the Body and Violence,

14650045.2010.493996.pdf:To cite this article: John Agnew (2011): Capitalism, Territory and “Marxist Geopolitics”, Geopolitics,

14650045.2010.493997.pdf:To cite this article: Jeremy Black (2011): Towards A Marxist Geopolitics, Geopolitics, 16:1, 234-235

需要将原PDF文件重命名为对应的文章标题（如14650040903141398.pdf→Geopolitics and the Screen: War, the Body and Violence.pdf）。

解决方案：Bash脚本批量处理 #

以下脚本可直接处理pdfgrep的输出，自动提取标题并安全重命名文件：

#!/bin/bash

# 直接读取pdfgrep的输出，逐行处理
pdfgrep "To cite this article" *.pdf | while IFS= read -r line; do
    # 提取原PDF文件名
    old_file=$(echo "$line" | cut -d':' -f1)
    # 从引用内容中提取标题：匹配年份括号后的内容
    title=$(echo "$line" | sed -E 's/.*\([0-9]{4}\)(\.|:)?\s*(.*)/\2/' | xargs)
    # 处理文件名非法字符：替换/、:等为下划线，移除末尾逗号
    safe_title=$(echo "$title" | sed -E 's/[\/:*?"<>|]/_/g' | sed 's/,$//')
    # 重命名文件（先echo测试，确认无误后去掉echo）
    echo mv -v "$old_file" "${safe_title}.pdf"
done

步骤说明 #

1. 提取原文件名：通过cut命令分割冒号前的部分，得到原PDF文件名。
2. 提取标题：用正则匹配年份（如(2016)）后的内容，xargs去除标题前后多余空格。
3. 安全处理标题：替换文件名不允许的字符（/、:、?等）为下划线，移除标题末尾的逗号。
4. 测试与执行：脚本中先用echo打印重命名命令，确认所有操作符合预期后，删除echo即可执行真实重命名。

注意事项 #

• 重复标题处理：若多个文件提取的标题相同，重命名会覆盖文件。可在脚本中添加判断逻辑，给重复标题加序号（如标题_1.pdf）。
• 异常行处理：部分行可能无法正确提取标题，需手动检查并修改正则或单独处理。

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