如何读取txt文件在不同目录中的内容，并根据
如何读取txt文件在不同目录中的内容，并根据
提问于 2015-07-20 17:11:36
我刚开始使用Python 3，遇到了以下问题：
为了我的论文，我从不同的期刊上下载了大量的PDF，但它们都是以它们的DOI命名的，而不是以“作者(年份)-标题”的格式命名的。这些文件根据期刊的名称和卷保存在不同的目录中，例如：
/Journal 1/
/Vol. 1/
file1.pdf
file1.txt
file2.pdf
file2.txt
filen.pdf
filen.txt
/Vol. 2/
file1.pdf
file1.txt
/Journal 2/
...因为我不知道如何用Python读取PDF的内容，所以我编写了一个很短的bash脚本，它将PDF转换成简单的TXT文件。pdf和txt文件具有相同的名称和不同的文件扩展名。
我想重命名所有的PDF文件，幸运的是，在每个文件的连续文本中有一个字符串，我可以使用。此变量字符串位于两个静态字符串之间：
"Cite this article as: " AUTHOR/YEAR/TITLE ", Journal name". 如何使Python进入每个目录，读取TXT/PDF的内容，提取两个固定字符串之间的变量字符串，然后重命名适当的PDF文件？
如果有人知道如何使用Python 3实现这一点，我将非常感谢。
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-07-24 23:12:24
终于成功了：
#__author__ = 'Telefonmann'
# -*- coding: utf-8 -*-
import os, re, ntpath, shutil
for root, dirs, files in os.walk(os.getcwd()):
for file in files: # loops through directories and files
if file.endswith(('.txt')): # only processes txt files
full_path = ntpath.splitdrive(ntpath.join(root, file))[1]
# builds correct path under Win 7 (and probably other NT-systems
with open(full_path, 'r', encoding='utf-8') as f:
content = f.read().replace('\n', '') # remove newline
r = re.compile('To\s*cite\s*this\s*article:\s*(.*?),\s*Journal\s*of\s*Quantitative\s*Linguistics\s*,')
m = r.search(content)
# finds substring inbetween "To cite this article: " and "Journal of Quantitative Linguistics,"
# also finds typos like "Journal ofQuantitative ..."
if m:
full_title = m.group(1)
print("full_title: {0}".format(full_title))
full_title = (full_title.replace('<','') # removes/replaces forbidden characters in Windows file names
.replace('>','')
.replace(':',' -')
.replace('"','')
.replace('/','')
.replace('\\','')
.replace('|','')
.replace('?','')
.replace('*',''))
pdf_name = full_path.replace('txt','pdf')
# since txt and pdf files only differ in their format extension I simply replace .txt with .pdf
# to get the right name
print('File: '+ file)
print('Full Path: ' + full_path)
print('Full Title: ' + full_title)
print('PDF Name: ' + pdf_name)
print('....................................')
# for trouble shooting
dirname = ntpath.dirname(pdf_name)
new_path = ntpath.join(dirname, "{0}.pdf".format(full_title))
if ntpath.exists(full_path):
print("all paths found")
shutil.copy(pdf_name, new_path)
# makes a copy of the pdf file with the new name in the respective directory页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31522367
复制相关文章
相似问题
腾讯云开发者
