当前位置: 首页 > web >正文

单个或批量实现-提取PDF文档中的合同号和姓名并按“合同号_姓名”格式重命名文件。

第一、单个PDF文件命名格式:

提取PDF文档中的合同号和姓名并按“合同号_姓名”格式重命名文件

import pdfplumber
import re
import osdef extract_contract_info(pdf_path):with pdfplumber.open(pdf_path) as pdf:for page in pdf.pages:text = page.extract_text()# 匹配合同编号(只取前12位)contract_match = re.search(r'合同编号[::]\s*([A-Za-z0-9]{12})', text)# 匹配借款人(直到换行或括号,并去除所有空格)borrower_match = re.search(r'借款人[::]\s*([^\n(()]+)', text)if contract_match and borrower_match:contract_number = contract_match.group(1)borrower_name = borrower_match.group(1).replace(" ", "")  # 删除所有空格return contract_number, borrower_namereturn None, Nonedef rename_pdf_file(pdf_path):contract_number, borrower_name = extract_contract_info(pdf_path)if contract_number and borrower_name:dir_name = os.path.dirname(pdf_path)new_filename = f"{contract_number}_{borrower_name}.pdf"new_filepath = os.path.join(dir_name, new_filename)# 避免文件名冲突(自动添加序号)counter = 1while os.path.exists(new_filepath):new_filename = f"{contract_number}_{borrower_name}_{counter}.pdf"new_filepath = os.path.join(dir_name, new_filename)counter += 1os.rename(pdf_path, new_filepath)print(f"文件已重命名为: {new_filename}")else:print("未能提取合同信息,无法重命名")# 使用示例
pdf_path = r'D:\xmfile\案件杂货表\部门\鲍晓文\《个人借款额度合同》XZ_20201224.pdf'
rename_pdf_file(pdf_path)

第二、批量实现PDF文件命名格式:

提取PDF文档中的合同号和姓名并按“合同号_姓名”格式重命名文件

import pdfplumber
import re
import os
from typing import Tuple, Optionaldef validate_pdf(filepath: str) -> bool:"""验证文件是否为有效的PDF"""try:with pdfplumber.open(filepath) as pdf:if len(pdf.pages) == 0:return Falsereturn Trueexcept:return Falsedef clean_borrower_name(name: str) -> str:"""清洗借款人姓名"""# 去除前后空格、特殊字符和标点name = re.sub(r'[^\w\u4e00-\u9fa5]', '', name.strip())# 去除身份证号、电话等可能跟随的信息name = re.sub(r'[\dXx]{15,}', '', name)return namedef extract_contract_info(pdf_path: str) -> Tuple[Optional[str], Optional[str]]:"""提取合同编号和借款人信息"""if not validate_pdf(pdf_path):return None, Nonetry:with pdfplumber.open(pdf_path) as pdf:full_text = "\n".join([page.extract_text() or "" for page in pdf.pages])# 更精确的合同编号匹配(考虑多种格式)contract_match = re.search(r'(合同编号|合同号|编号)[::]?\s*([A-Za-z0-9]{10,15})',full_text,re.IGNORECASE)# 更精确的借款人匹配(考虑多种表述方式)borrower_match = re.search(r'(借款人|借款方|甲方)[::]?\s*([^\n()()]{2,20}?)(?=[\n()()]|身份证|联系方式|$)',full_text,re.IGNORECASE)if contract_match and borrower_match:contract_number = contract_match.group(2)[:12]  # 仍只取前12位raw_borrower_name = borrower_match.group(2)borrower_name = clean_borrower_name(raw_borrower_name)if len(borrower_name) >= 2:  # 姓名至少2个字符return contract_number, borrower_nameexcept Exception as e:print(f"⚠️ 处理 {os.path.basename(pdf_path)} 时发生错误: {str(e)}")return None, Nonedef rename_pdf_file(pdf_path: str) -> None:"""重命名PDF文件"""original_name = os.path.basename(pdf_path)contract_number, borrower_name = extract_contract_info(pdf_path)if contract_number and borrower_name:dir_name = os.path.dirname(pdf_path)base_name = f"{contract_number}_{borrower_name}"extension = ".pdf"# 处理文件名冲突counter = 0while True:new_name = f"{base_name}{f'_{counter}' if counter else ''}{extension}"new_path = os.path.join(dir_name, new_name)if not os.path.exists(new_path):try:os.rename(pdf_path, new_path)print(f"✅ 成功: {original_name} → {new_name}")breakexcept Exception as e:print(f"❌ 重命名失败: {original_name} → {new_name} | 错误: {str(e)}")breakcounter += 1else:print(f"⚠️ 跳过: {original_name} (未提取到有效信息)")def batch_rename_pdfs_in_subfolders(root_dir: str) -> None:"""批量处理子文件夹中的PDF文件"""if not os.path.isdir(root_dir):print(f"❌ 错误: 目录不存在 {root_dir}")returnprocessed_files = 0skipped_files = 0error_files = 0for person_dir in os.listdir(root_dir):person_dir_path = os.path.join(root_dir, person_dir)if not os.path.isdir(person_dir_path):continueprint(f"\n🔍 正在处理: {person_dir}")for filename in os.listdir(person_dir_path):if filename.lower().endswith('.pdf'):pdf_path = os.path.join(person_dir_path, filename)try:rename_pdf_file(pdf_path)processed_files += 1except Exception as e:print(f"❌ 处理 {filename} 时出错: {str(e)}")error_files += 1else:skipped_files += 1print(f"\n📊 处理完成: 共处理 {processed_files} 个文件, 跳过 {skipped_files} 个, 错误 {error_files} 个")if __name__ == "__main__":# 使用示例department_dir = r'D:\xmfile\案件杂货表\部门'# 输入验证while not os.path.exists(department_dir):print(f"目录不存在: {department_dir}")department_dir = input("请输入正确的目录路径: ")batch_rename_pdfs_in_subfolders(department_dir)

http://www.xdnf.cn/news/1095.html

相关文章:

  • SpringClound 微服务分布式Nacos学习笔记
  • 最新整理AI开源大模型介绍
  • vue3:十一、主页面布局(修改左侧导航条的样式)
  • C++继承(最详细)
  • SAP获利分析KEA0-值字段无法被分配,原因既然是。。
  • Linux常用命令
  • [创业之路-381]:企业法务 - 企业经营者,有哪些生产安全风险,哪些人承担责任?承担哪些责任?如何防范?
  • Java从入门到“放弃”(精通)之旅——抽象类和接口⑨
  • conda和pip的区别
  • C# 实现TCP/IP通信协议——Message结构设计
  • C# AppContext.BaseDirectory 应用程序的启动目录
  • Smart AI:在AI浪潮中崛起的智能NFT生态革命者
  • 【高并发内存池】从零到一的项目之高并发内存池整体框架设计及thread cache设计
  • 晶振详解:原理、作用、种类、应用与选型要点
  • Scribe: 一个非常方便的操作文档编写工具
  • 爬虫(requests库,logging库)
  • Linux ssh免密登陆设置
  • 【ECharts】ECharts曲线图节点点击事件实现
  • React18+ 项目搭建-从初始化、技术选型到开发部署的全流程规划
  • ProxySQL 性能调优实战案例
  • npm的基本使用安装所有包,安装删除指定版本的包,配置命名别名
  • 遨游通讯发布国产化旗舰三防手机AORO AU1:以自主可控重塑工业安全
  • 基于 Vue 的Tiptap 富文本编辑器使用指南
  • 【MCP Node.js SDK 全栈进阶指南】中级篇(4):MCP错误处理与日志系统
  • 【MCP Node.js SDK 全栈进阶指南】初级篇(3):MCP资源开发基础
  • TextCNN 模型文本分类实战:深度学习在自然语言处理中的应用
  • 宏碁笔记本电脑怎样开启/关闭触摸板
  • 高并发抢券系统设计与落地实现详解
  • 【git】subtree拆分大的git库到多个独立git库
  • @Configuration注解对应实现implements WebMvcConfigurer的配置不生效问题。