pdf-metadata-extract

name	pdf_metadata_extract
description	提取PDF文件的元数据（标题、作者、主题、页数等），输出为JSON格式。当用户需要查看PDF文档信息时使用此skill。
license	Proprietary. LICENSE.txt has complete terms
name_zh	提取PDF文件的元数据（标题、作者、主题、页数等），输出为JSON格式算子
input_params	[{"name":"input_path","type":"string","required":true,"description":"输入PDF文件路径"},{"name":"output_path","type":"string","required":true,"description":"输出JSON文件路径"}]
output_params	[{"name":"output_path","type":"json_file","description":"PDF元数据JSON文件"}]
tag	数据解析
publisher	COMMUNITY

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

python 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

python scripts/run_pdf_metadata_extract.py --input_path document.pdf --output_path metadata.json

输出格式

{
  "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