Skip to content
Phone animation 宇宙尽头的餐馆

用 Python 批量修改 PDF 文件名

写了个小脚本能根据PDF内容自动用AI重命名。

· 4 min

写了个小脚本能根据PDF内容自动用AI重命名。

例如"附件（1）.pdf"能根据内容变成"2023年用户访谈总结.pdf"

带 OCR 功能，PDF 不是文本也可以识别并改名。

效果如图：

白嫖党必不可能用 openai，当然是选择 Gemini 啦（要我给 openai 二次付费，不可能😤）

翻了一下 Gemini API 文档，发现它已经支持 OpenAI 格式的 API 调用，在 ChatGPT 老师的帮助下20分钟搞定 blobcat:blobcatsnapped 让我们感谢 ChatGPT 老师让我等根本不懂码的同学实现 python 自由！

更新日志
实现思路 & To Do
  • 实现思路灰常的简单：读取 PDF 文件，传给 Gemini，生成文件标题并修改
  • 未来可能各种文件类型都可以安排上，以及 prompt 还可以继续优化一下。

代码放在 GitHub：infinitesum/PDFs-Smart-Rename

访问不了 GitHub 可以继续往下看：

获取 Gemini API Key#

注意事项

代码#

你需要修改的部分

注意事项

1、操作不可撤销！！！请不要像我一样把整个路径的 PDF 都丢进去。。（在开始的 30s 我还在为一个个转换成功的提示而沾沾自喜，下一秒就意识到了事情的不对🌚此操作还是在我加 OCR 功能之前，类目……）如果实在是手抖不小心点到请务必按 ctrl+c before all hell breaks loose 🥹

分为批量重命名版和单文件版：

批量重命名版#

import os
import fitz  # PyMuPDF
import pytesseract
from openai import OpenAI
from PIL import Image


# 配置Tesseract的路径，如果需要的话
# pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'


def extract_text_from_pdf(pdf_path, max_pages=3, min_text_length=100, max_text_length=3000):
    """
    从PDF文件的前几页提取文本，如果文本不足则尝试OCR。


    参数:
    pdf_path (str): PDF文件路径
    max_pages (int): 最多提取的页数
    min_text_length (int): 最小文本长度，低于此值会尝试OCR
    max_text_length (int): 最大文本长度，用于限制发送给AI的内容量


    返回:
    str: 提取的文本
    """
    all_text = ""
    ocr_needed = False


    with fitz.open(pdf_path) as doc:
        # 限制页数范围
        page_count = min(len(doc), max_pages)


        # 首先尝试从所有页面提取文本
        for page_num in range(page_count):
            page = doc[page_num]
            page_text = page.get_text()
            all_text += page_text + "\n\n"


            # 如果已经有足够的文本，就不再提取更多
            if len(all_text) >= min_text_length:
                break


        # 如果提取的文本量不足，尝试OCR
        if len(all_text) < min_text_length:
            ocr_needed = True
            all_text = ""  # 重置文本，重新通过OCR提取


            for page_num in range(page_count):
                page = doc[page_num]
                pix = page.get_pixmap()
                img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
                page_text = pytesseract.image_to_string(img)
                all_text += page_text + "\n\n"


                # 如果已经有足够的文本，就不再提取更多
                if len(all_text) >= min_text_length:
                    break


    # 截取一定长度的文本，避免发送过多内容
    if len(all_text) > max_text_length:
        all_text = all_text[:max_text_length] + "..."


    print(f"文本提取{'使用OCR' if ocr_needed else '无需OCR'}，总长度: {len(all_text)} 字符")
    return all_text




def generate_title_with_gemini(pdf_text, api_key):
    """使用Gemini API根据PDF文本内容生成文件标题。"""
    client = OpenAI(
        api_key=api_key,
        base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
    ) # 替换为你的Gemini API密钥 和你自己的代理地址


    prompt = "Suggest a title for the following document content in its original language, if it's a research or science paper, just extract the relevant information and name it like: author&author-publishyear-originaltitle. show el.al for multiple authors:"


    # 将提示和PDF文本内容结合
    full_text = prompt + "\n" + pdf_text


    response = client.chat.completions.create(
        model="gemini-2.0-flash",
        messages=[
            {"role": "user", "content": full_text}
        ]
    )


    if hasattr(response, 'choices') and len(response.choices) > 0:
        return response.choices[0].message.content.strip()
    return ""




def rename_pdf(pdf_path, api_key):
    """
    提取PDF文本，使用Gemini生成标题，并重命名PDF文件。
    """
    pdf_text = extract_text_from_pdf(pdf_path)
    new_title = generate_title_with_gemini(pdf_text, api_key) + ".pdf"
    new_path = os.path.join(os.path.dirname(pdf_path), new_title)


    if not os.path.exists(new_path):  # 确保不会覆盖已存在的文件
        os.rename(pdf_path, new_path)
        print(f"文件已重命名为: {new_path}")
    else:
        print("已存在同名文件，未执行重命名。")


def rename_pdfs_in_directory(directory_path, api_key):
    """
    遍历指定目录中的所有PDF文件，并尝试重命名它们。
    """
    for filename in os.listdir(directory_path):
        if filename.lower().endswith('.pdf'):
            pdf_path = os.path.join(directory_path, filename)
            print(f"处理文件：{pdf_path}")
            try:
                rename_pdf(pdf_path, api_key)
            except Exception as e:
                print(f"处理文件 {pdf_path} 时发生错误：{e}")


# 批量重命名目录下的PDF文件
# 请替换以下变量中的占位符


directory_path = "/Users/summer/Downloads/1"  # 替换为你的PDF文件目录
your_api_key = "YOUR_GEMINI_API_KEY"  # 替换为你的Gemini API密钥


rename_pdfs_in_directory(directory_path, your_api_key)

单文件版#

import os
import fitz  # PyMuPDF
import pytesseract
from openai import OpenAI
from PIL import Image


def extract_text_from_pdf(pdf_path, max_pages=3, min_text_length=100, max_text_length=3000):
    """
    从PDF文件的前几页提取文本，如果文本不足则尝试OCR。


    参数:
    pdf_path (str): PDF文件路径
    max_pages (int): 最多提取的页数
    min_text_length (int): 最小文本长度，低于此值会尝试OCR
    max_text_length (int): 最大文本长度，用于限制发送给AI的内容量


    返回:
    str: 提取的文本
    """
    all_text = ""
    ocr_needed = False


    with fitz.open(pdf_path) as doc:
        # 限制页数范围
        page_count = min(len(doc), max_pages)


        # 首先尝试从所有页面提取文本
        for page_num in range(page_count):
            page = doc[page_num]
            page_text = page.get_text()
            all_text += page_text + "\n\n"


            # 如果已经有足够的文本，就不再提取更多
            if len(all_text) >= min_text_length:
                break


        # 如果提取的文本量不足，尝试OCR
        if len(all_text) < min_text_length:
            ocr_needed = True
            all_text = ""  # 重置文本，重新通过OCR提取


            for page_num in range(page_count):
                page = doc[page_num]
                pix = page.get_pixmap()
                img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
                page_text = pytesseract.image_to_string(img)
                all_text += page_text + "\n\n"


                # 如果已经有足够的文本，就不再提取更多
                if len(all_text) >= min_text_length:
                    break


    # 截取一定长度的文本，避免发送过多内容
    if len(all_text) > max_text_length:
        all_text = all_text[:max_text_length] + "..."


    print(f"文本提取{'使用OCR' if ocr_needed else '无需OCR'}，总长度: {len(all_text)} 字符")
    return all_text


def generate_title_with_gemini(pdf_text, api_key):
    """使用Gemini API根据PDF文本内容生成文件标题。"""
    client = OpenAI(
        api_key=api_key,
        base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
    )


    prompt = "Suggest a title for the following document content in its original language, if it's a research or science paper, just extract the relevant information and name it like: author&author-publishyear-originaltitle. show el.al for multiple authors:"


    # 将提示和PDF文本内容结合
    full_text = prompt + "\n" + pdf_text


    response = client.chat.completions.create(
        model="gemini-2.0-flash",
        messages=[
            {"role": "user", "content": full_text}
        ]
    )


    if hasattr(response, 'choices') and len(response.choices) > 0:
        return response.choices[0].message.content.strip()
    return ""




def rename_pdf(pdf_path, api_key):
    """提取PDF文本，使用Gemini生成标题，并重命名PDF文件。"""
    pdf_text = extract_text_from_pdf(pdf_path)
    new_title = generate_title_with_gemini(pdf_text, api_key) + ".pdf"
    new_path = os.path.join(os.path.dirname(pdf_path), new_title)
    if not os.path.exists(new_path):  # 确保不会覆盖已存在的文件
        os.rename(pdf_path, new_path)
        print(f"文件已重命名为: {new_path}")
    else:
        print("已存在同名文件，未执行重命名。")


# 单个PDF文件路径
pdf_file_path = "/Users/summer/Downloads/1.pdf"  # 请替换为你的PDF文件路径
your_api_key = "YOUR_GEMINI_API_KEY"  # 替换为你的Gemini API密钥


rename_pdf(pdf_file_path, your_api_key)
> cd ..