解析pdf元数据日期不适用于所有pdf

Question

我正在尝试使用pdfminer获取多个pdf的修改日期

import os
import re
from datetime import datetime
from pdfminer3.pdfparser import PDFParser
from pdfminer3.pdfdocument import PDFDocument


# This function convers the date string to a datetime object
def get_pdf_date(pd):
    dtformat = "%Y%m%d%H%M%S"
    clean = pd.decode("utf-8").replace("D:", "").split('+')[0]
    return datetime.strptime(re.sub('[^0-9]', '', clean), dtformat)


path = "C:\\Users\\asus\\Desktop\\storage"
for file in os.listdir(path):
    try:
        fp = open(os.path.join(path, file), "rb")
        parser = PDFParser(fp)
        doc = PDFDocument(parser)
        pdf_creation_date = doc.info[0]["CreationDate"]
        print(str(pdf_creation_date) + ", " + str(get_pdf_date(pdf_creation_date)))
    except Exception as e:
        print(str(e) + " => " + str(pdf_creation_date)) 

这是我得到的输出：

b“ D：20151004081456 + 01'00'”，2015-10-04 08:14:56

b'D：20161029124239'，2016-10-29 12:42:39

b“ D：20160727173724 + 05'30'”，2016-07-27 17:37:24

b“ D：20170526150059 + 05'30'”，2017-05-26 15:00:59

b'D：20190218122459'，2019-02-18 12:24:59

未转换的数据仍然为：0600 => b“ D：20151017020552-06'00'”

b“ D：20180302120823 + 00'00'”，2018-03-02 12:08:23

b“ D：20150317171945 + 05'30'”，2015-03-17 17:19:45

b“ D：20140405150714 + 01'00'”，2014-04-05 15:07:14

b'D：20190313161243Z'，2019-03-13 16:12:43

b'D：20160523204913'，2016-05-23 20:49:13

b” D：20150716000009 + 05'30'”，2015-07-16 00:00:09

b” D：20150923145114 + 05'30'”，2015-09-23 14:51:14 b“ D：20150703193510 + 05'30'”，2015-07-03 19:35:10

b“ D：20170907220317 + 16'33'”，2017-09-07 22:03:17

未转换的数据仍为：1200 => b“ D：20160407192544-12'00'”

如您所见，我使用的解析功能并非始终有效，那是因为每个pdf似乎都有自己的日期语法。但是我注意到Foxit Reader总是正确获取元数据，如下图所示

所以我想知道如何实现这种东西

Answer 1

失败日期的时区偏移量带有减号：

D:20160407192544-12'00'

代码中的这一行只需要加号（或者隐含地没有时区偏移量）：

clean = pd.decode("utf-8").replace("D:", "").split('+')[0]

您的代码需要同时处理正时和负时区偏移。