pdf_metadata_extract 技能
功能说明
该技能提取PDF文件的元数据(标题、作者、主题、页数等),输出为JSON格式,便于查看和处理PDF文档信息。
核心功能
- 提取PDF基本信息(文件名、大小、页数)
- 提取文档元数据(标题、作者、主题、创建者等)
- 提取日期信息(创建日期、修改日期)
- 检测PDF是否加密
使用方法
bashpython scripts/run_pdf_metadata_extract.py --input_path <输入PDF> --output_path <输出JSON>
参数说明
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入PDF文件路径 |
| output_path | string | 是 | - | 输出JSON文件路径 |
示例
bashpython scripts/run_pdf_metadata_extract.py --input_path document.pdf --output_path metadata.json
输出格式
json{ "file_name": "document.pdf", "file_size": 1024000, "pages": 20, "pdf_version": "PDF-1.7", "title": "Document Title", "author": "John Doe", "subject": "Document Subject", "creator": "Microsoft Word", "producer": "Microsoft Word 2016", "creation_date": "2024-01-15 10:30:00", "modification_date": "2024-01-15 14:20:00", "is_encrypted": false }
注意事项
- 输出目录不存在时会自动创建
- 部分PDF可能没有完整的元数据,缺失字段会显示为null


