Python如何从多格式文件夹中自动提取唯一PDF文件名存入变量

算力阿峰

2026-8-30

问题背景

需要使用Python实现以下需求：在包含.doc、.txt、.html等多种不同扩展名文件的文件夹中，仅提取其中的PDF文件或PDF文件名存入变量。

场景示例

假设桌面存在Mandar、html两个文件夹，在html文件夹中放入任意PDF文件并命名为'dell'，在Mandar文件夹中创建demo.py文件；同时在html文件夹中按需创建2-4个txt文件，此时html文件夹内包含若干txt文件与仅1个PDF文件。

初始测试代码如下：

import os
import PyPDF2  # install via 'pip install PyPDF2'

# Put location of your pdf file i.e. dell.pdf in 'location' variable
location = "C:/Users/Desktop/html/"  
n = "dell.pdf"
path = os.path.join(location, n)

reader = PyPDF2.PdfReader(path)
pages = len(reader.pages)

print(f"The no. of pages in {n} is {pages}.")

运行上述代码将输出：The no. of pages in dell.pdf is NUM.，其中NUM为对应PDF文件的总页数。

具体需求

已知html文件夹内始终仅存放1个PDF文件，文件名不固定（可为dell、ecc或任意名称），需要实现自动将该PDF文件名赋值给变量n，无需手动修改代码中的文件名配置，即可让程序正常运行，输出对应PDF文件的名称与页数。

实现方法

直接遍历目标文件夹，筛选后缀为PDF的文件即可，已知文件夹内只有1个PDF，取匹配到的第一个结果就能用。
修改后的完整代码：

import os
import PyPDF2  # 依赖安装命令：pip install PyPDF2

# 配置目标文件夹路径
location = "C:/Users/Desktop/html/"  

# 遍历文件夹，筛选所有PDF后缀的文件
pdf_list = [f for f in os.listdir(location) if f.lower().endswith(".pdf")]

# 取唯一的PDF文件名赋值给n
n = pdf_list[0]
path = os.path.join(location, n)

reader = PyPDF2.PdfReader(path)
pages = len(reader.pages)

print(f"The no. of pages in {n} is {pages}.")