Программа для анализа PDF-документов в папке с подпапками

Обработка почтовых запросов часто требует быстрого учета PDF-файлов: узнать количество страниц, размер, имя. Ручной перебор сотен документов - долгий и трудоемкий процесс. В этой статье мы рассмотрим, как автоматизировать эту задачу: от готовых бесплатных решений до создания собственного скрипта на Python с выгрузкой отчета в Excel.

Готовые программы для анализа PDF в папках

Если вам нужно быстрое и бесплатное решение без программирования, обратите внимание на следующие утилиты:

• PDF-XChange Editor (бесплатная версия) - позволяет получить информацию о количестве страниц через встроенный инструмент «Документ > Свойства», но не массово для папок.
• Adobe Acrobat Reader - не имеет массовой выгрузки.
• PDFtk (PDF Toolkit) - консольная утилита, но требует написания скрипта.

К сожалению, готового официального бесплатного ПО для массового анализа PDF в папках с выгрузкой в Excel почти нет. Поэтому лучший путь - написать простой скрипт.

Создание утилиты на Python: пошаговый гайд

Python - идеальный выбор: библиотеки PyMuPDF (fitz) и openpyxl бесплатны и не имеют ограничений. Ниже - готовый код и инструкция.

Установка необходимых библиотек

Откройте командную строку и выполните:

pip install pymupdf openpyxl

Код программы

Создайте файл pdf_analyzer.py со следующим содержимым:

import os
import fitz  # PyMuPDF
from openpyxl import Workbook

def analyze_pdfs(folder_path):
    wb = Workbook()
    ws = wb.active
    ws.append(["Имя файла", "Размер (байт)", "Количество страниц"])

    for root, dirs, files in os.walk(folder_path):
        for file in files:
            if file.lower().endswith('.pdf'):
                file_path = os.path.join(root, file)
                try:
                    doc = fitz.open(file_path)
                    pages = doc.page_count
                    doc.close()
                    size = os.path.getsize(file_path)
                    ws.append([file, size, pages])
                except Exception as e:
                    ws.append([file, "Ошибка", str(e)])

    report_path = os.path.join(folder_path, "pdf_report.xlsx")
    wb.save(report_path)
    print(f"Отчет сохранен: {report_path}")

if __name__ == "__main__":
    folder = input("Введите путь к папке: ")
    analyze_pdfs(folder)

Как использовать

1. Сохраните код в файл pdf_analyzer.py.
2. Запустите скрипт: python pdf_analyzer.py.
3. Введите путь к папке (например, C:\Users\Admin\Documents\PDFs).
4. Программа создаст файл pdf_report.xlsx в той же папке.

Объяснение работы кода

os.walk() рекурсивно обходит все подпапки. Для каждого PDF-файла открывается документ через fitz.open(), извлекается количество страниц (page_count) и размер (os.path.getsize()). Данные записываются в Excel с помощью openpyxl. Ошибки (например, поврежденные файлы) логируются в отчет.

Расширение функционала

Вы можете легко добавить другие метрики: дату создания, количество слов или изображений. Для этого используйте методы doc.metadata и get_images() из PyMuPDF.

Таким образом, вы получаете мощный, бесплатный и настраиваемый инструмент для анализа PDF-документов в любых вложенных папках.