☰

使用PowerShell从PDF表单中提取字符串并输出到文件

tag-icon • tag-icon powershell pdf
使用PowerShell从PDF表单中提取字符串并输出到文件

我有此代码，其目的是查找文件夹内 x 天内修改过的所有 PDF 文件（由用户输入）。

[void][Reflection.Assembly]::LoadWithPartialName('Microsoft.VisualBasic')
$title = 'PDF Last Modified'
$msg   = 'Days prior:'
$text = [Microsoft.VisualBasic.Interaction]::InputBox($msg, $title)
$headers = @{Expression={$_.CreationTime};Label="File Created";width=25}, `
@{Expression={$_.LastWriteTime};Label="File Edited";width=25}, `
@{Expression={"{0}" -f $_.FullName.Split("\")[-2]};Label="Folder";width=30}, `
@{Expression={$_.Name};Label="File Name";width=50}
Get-ChildItem -Path ..\ -Recurse -Filter *.pdf | Where-Object {$_.lastwritetime -gt (Get-Date).AddDays(-$text)} | sort LastWriteTime -descending | format-table $headers  |  out-file PDFOutput-$(get-date -f yyyy-MM-dd).txt -width 300

我想做两点改进。

  1. 每个 PDF 文件实际上都是一个表格，表格底部是一串数字，用于标识该表格需要存放到哪里。我知道我需要使用 itextsharp.dll 来解析 PDF 文件；我想在输出文件的“文件名”后面包含一个标题“目标”，并包含 PDF 表格中的该字符串。

  2. 在初始 VB 输入窗口中，它会询问脚本应搜索多少天前的内容。我想添加第二个输入，询问标题的任何搜索参数，因此如果用户输入“收据”，脚本会找到任何标题为收据.pdf（两边都有通配符，因此它会找到 laptop-receipt-2015-11-17.pdf）。

任何帮助都非常感谢！

答案1

我看不出你为实现你的计划付出了多少努力。

  • 由于 Get-ChildItem 没有提供属性，因此Destination您必须使用计算属性自行添加它。
  • 将 gci 结果保存在变量中并迭代运行你的代码来获取每个文件的目标。
  • 修改 $headers 哈希表以满足您的需要（标签/表达式可以缩写）

没有时间为您开发关键的 itextsharp.dll 代码。

## Q:\Test\2019\03\23\SU_1416552.ps1
$Folder = (Get-Item ..).FullName

[void][Reflection.Assembly]::LoadWithPartialName('Microsoft.VisualBasic')

$title = 'PDF Last Modified'
$msg   = 'Days prior:'
$DaysPrior = [Microsoft.VisualBasic.Interaction]::InputBox($msg, $title)

$title = 'PDF Name Part'
$msg   = 'String:'
$Namepart = [Microsoft.VisualBasic.Interaction]::InputBox($msg, $title)

$PdfFiles = Get-ChildItem (Join-Path $Folder ("*{0}*" -f $NamePart)) -Recurse -File  -Filter *.pdf| 
    Where-Object LastWriteTime -gt (Get-Date).AddDays(-$DaysPrior) | 
    Sort-Object  LastWriteTime -descending | 
    Select-Object -Property FullName,Name,CreationTime,LastWriteTime,
                            @{L='Destination';E={$Null}}

foreach ($PdfFile in $PdfFiles){
    ##
    ## Insert **your** code to get FormField Destination
    ##
    $PdfFile.Destination = "string of numbers"
}

$headers = @{L="File Created";width=25;E={$_.CreationTime}},
           @{L="File Edited" ;width=25;E={$_.LastWriteTime}},
           @{L="Folder"      ;width=30;E={$_.FullName.Split("\")[-2]}},
           @{L="File Name"   ;width=50;E={$_.Name}},
           @{L="Destination" ;width=30;E={$_.Destination}}

$PdfFiles | Format-Table $headers  |  
   Out-File PDFOutput-$(get-date -f yyyy-MM-dd).txt -width 300

相关内容