PDF Organizer

Скрипт для организации PDF файлов: поиск дубликатов и автоматическое переименование на основе содержимого.

Функциональность

• Поиск PDF файлов в указанной директории и поддиректориях
• Удаление дубликатов на основе MD5-хеша
• Автоматическое переименование файлов на основе их содержимого:
  • Извлечение заголовка из метаданных PDF
  • Если метаданные отсутствуют, используется текст с наибольшим размером шрифта
  • Если не удалось определить заголовок, используется первая строка документа
• Поддержка различных кодировок (UTF-8, CP1251, KOI8-R, ISO-8859-5)
• Очистка имен файлов от недопустимых символов
• Добавление числового суффикса в случае конфликта имен
• Логирование процесса в файл с возможностью вывода в консоль

Требования

• Python 3.7+ (для поддержки типизации)
• PyPDF2==3.0.1
• tqdm==4.66.1

Установка

1. Клонируйте репозиторий:

2. Создайте и активируйте виртуальное окружение:

3. Установите зависимости:

Использование

Скрипт можно запустить двумя способами:

1. Указав директорию через аргументы командной строки:

2. В интерактивном режиме (без аргументов):

Дополнительные опции

• -v, --verbose
  - включить подробный вывод информации в консоль
• -h, --help
  - показать справку по использованию

Логирование

• По умолчанию все действия и ошибки записываются в файл лога в директории
  logs
• Имя файла лога формируется автоматически и включает дату и время запуска
• При использовании флага
  -v
  или
  --verbose
  логи также выводятся в консоль
• Формат лога:
  YYYY-MM-DD HH:MM:SS - УРОВЕНЬ - СООБЩЕНИЕ

Примечания

• Скрипт поддерживает различные кодировки для корректной работы с русскими символами
• Имена файлов очищаются от недопустимых символов
• В случае конфликта имен добавляется числовой суффикс
• Все ошибки и предупреждения сохраняются в лог-файл для последующего анализа