如何使用PyPDF2提取PDF页面尺寸、方向及创建日期等元数据

基础概念说明 #

• 文档级元数据：PDF全局属性，包含标题、创建日期、修改日期、作者等信息，所有页面共享
• 页面级属性：单页独有属性，包含页面尺寸、横竖页方向等，不同页面可能存在差异

完整实现代码 #

from PyPDF2 import PdfFileReader

# 读取PDF文件，with语法会自动关闭文件避免资源泄露
with open("document1.pdf", "rb") as f:
    input1 = PdfFileReader(f)
    # 1. 获取页数
    page_count = input1.getNumPages()
    print(f"document1.pdf 总页数：{page_count}")

    # 2. 获取文档级元数据
    doc_info = input1.getDocumentInfo()
    # 标题
    title = doc_info.title if doc_info.title else "无标题"
    print(f"PDF标题：{title}")
    # 创建日期 存储格式通常为D:YYYYMMDDHHmmSS
    create_date = doc_info.get('/CreationDate', "无创建日期信息")
    print(f"创建日期：{create_date}")
    # 其他可选元数据：作者/修改日期/制作者
    author = doc_info.get('/Author', "无作者信息")
    modify_date = doc_info.get('/ModDate', "无修改日期信息")
    creator = doc_info.get('/Creator', "无制作者信息")

    # 3. 逐页获取页面尺寸、横竖方向
    for page_idx in range(page_count):
        current_page = input1.getPage(page_idx)
        # 获取页面对应的媒体框（定义页面实际尺寸）
        media_box = current_page['/MediaBox']
        # 转换为标准数值（默认单位为磅，1磅=1/72英寸）
        page_width = float(media_box.getWidth())
        page_height = float(media_box.getHeight())
        # 判断横竖方向：宽度大于高度为横向，否则为纵向
        page_orient = "横向" if page_width > page_height else "纵向"
        print(f"第{page_idx+1}页：尺寸{page_width:.2f}*{page_height:.2f}磅，方向{page_orient}")

注意事项 #

• 如果PDF设置了密码保护，需要先调用input1.decrypt("密码")方法解密后再读取属性
• 部分PDF生成时未写入元数据字段，对应取值会返回空，代码中已做默认值兼容
• 页面尺寸默认单位是磅，如需转换为毫米可乘以0.352778，转换为厘米可乘以0.0352778

内容的提问来源于stack exchange，提问作者x89