Meta Daten aus mehreren PDF Dateien auslesen

[anold]

Hallo,

ich bin auf der Suche nach einer Möglichkeit um aus mehreren PDF Dateien Meta Infos wie die Seitenanzahl und den Flächeninhalt auszulesen.

Um das ganze zu Präzisieren:
In einem Ordner befinden sich 1...n PDF Dateien.
Die PDFs haben unterschiedliche Seitenanzahlen und auch Formate. Die Formate sind teilweise keine DIN Standards und teilweise unterscheiden sich die Formate von Seite zu Seite innerhalb eines PDFs.

Ich suche jetzt eine Möglichkeit um für alle PDFs in einem Ordner den gesamten Flächeninhalt komfortabel auszulese, ohne jede PDF öffnen zu müssen und für jede Seite die Maße rausschreiben zu müssen.

Weiß eventuell jemand da eine Software für oder eine andere Methode?
Ich hoffe ich konnte mich einigermaßen verständlich ausdrücken. Bei Unklarheiten versuche ich auch gerne das noch weiter zu beschreiben.

Schon mal vielen Dank.

 

[areiland]

Lies mal das hier: https://www.win-10-forum.de/windows-10-allgemeines/9619-katalog-hdd-explorer-liste.html! Da hatte ich eine Methode gezeigt, wie man per Powershell auch die erweiterten Dateieigenschaften auslesen und weiter verarbeiten kann. Wenn die von Dir gewünschten Eigenschaften so darstellbar sind, dann ließen sie sich z.B. auch als Liste (Html, Csv. Txt, etc) speichern.

 

[anold]

Danke für die Info. Das bringt mich allerdings leider nicht weiter, da diese Informationen dort nicht aufgeführt sind. Wahrscheinlich ist der Begriff Metadaten auch schlecht gewählt.

Aber die nötigen Angaben stehen im Klartext in den PDF Dateien. Für jede Seite extra. Da müsste ich mir die dann auslesen und aufaddieren.
Ich hatte

 

[areiland]

Wenn Du spezifizieren kannst, wo sie genau stehen dann geht das natürlich. Dafür böte die Powershell "Get-content" an, mit dem man sich Zeilen einer Datei direkt anzeigen lassen kann. Mit dem Parameter "-head n" kann man sich eine beliebige Anzahl der Zeilen vom Dateiheader aus auflisten lassen, mit "-tail n" ginge das vom Dateiende her. Experimente mal damit, vielleicht bringt Dir das eine Lösung des Problems.

Eine Beispielzeile wäre: get-content -path D:\pdf\*.pdf -head 10, die von allen PDF-Dateien in D:\PDF die ersten 10 Headerzeilen auflistet.

 

[anold]

Hi,
danke schön für die Infos.

Leider kann ich nicht genau sagen wo die Infos in der Datei stehen. Die scheinen soweit ich das bis jetzt überblicke für jede Seite der PDF angegeben zu sein. Ich muss also die gesamte Datei auswerten. Aber ich weiß jetzt wie der Aufbau der Angaben ist und denke ich kann mir das dann per Regulärem Ausdruck rausziehen und dann weiter damit arbeiten. Werde mich dann nächste Woche mal ransetzen und ein kleines Java Tool dafür schreiben.