我试图搜索作者的pdf文件，不允许使用任何第三方pdf模块

Question

我试图搜索作者的pdf文件，不允许使用任何第三方pdf模块可用。我写的代码是以下内容：。我想做的是得到作者的名字，并认为使用re可以搜索字符串“author”并在字段中返回名字。我是Python编程新手，以前没有编程过。任何协助都将不胜感激。你知道吗

import re
f=bytes("k://file.pdf",'ascii')
open("k://file.pdf")


for line in f:
    if re.match("(.*)(Author)(.*)", line):
        print (line),
The error message I get is:

Traceback (most recent call last):
   File "K:\hw3pdftest.py", line 8, in <module>
    if re.match("(.*)(Author)(.*)", line):
   File "C:\Python34\lib\re.py", line 160, in match
    return _compile(pattern, flags).match(string)
TypeError: expected string or buffer

这是我首先尝试的，但得到以下错误消息：

Traceback (most recent call last):
  File "K:\hw3pdftest.py", line 6, in <module>
    for line in f:
  File "C:\Python34\lib\encodings\cp1252.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x8d in position 515: character maps to <undefined>

然后我尝试使用cp1252对其进行编码，得到以下错误消息：

Traceback (most recent call last):
  File "K:\hw3pdftest.py", line 5, in <module>
    f=open("k://file.pdf", "r", "encodings=cp1252")
TypeError: an integer is required (got type str)

Answer 1

这是不对的：

f = bytes("k://file.pdf",'ascii')
for line in f:
    ...

您不是迭代pdf中的行，而是迭代b'k://file.pdf'中的字节值，即字符k、:、/的ASCII码，这些字符是整数。你应该做：

f = open("k://file.pdf")
for line in f:
    ...

Answer 2

PDF将作者姓名（根据official PDF Specification）存储为PDF字典中的以下键：

/Author (John Doe)

因此，您应该尝试对PDF文件运行以下正则表达式

\/Author.+\((.+\))

它将返回匹配的作者名#1。请注意，在某些情况下，您可能需要对该字符串进行额外的解码（如果它使用Unicode符号，则可以通过特殊方式对其进行编码）