---

背景介绍

在日常办公或学习中，我们常常会遇到大量文件，尤其是从不同来源下载的文件，其命名往往不规范，缺乏描述性。这不仅影响查找效率，也增加了文件管理的复杂度。为了解决这一问题，我们可以开发一个文件内容提取与重命名工具，该工具能够扫描指定文件夹中的文件，提取其中的关键信息（如文本、图片中的文字、PDF标题等），并根据提取内容智能重命名文件，从而提升文件管理的智能化水平。

本项目适合中级以下的 Python 开发者，涵盖以下核心技术点：
– 文件遍历与读取
– 多线程处理
– 文本提取与 OCR 识别
– PDF 内容提取
– GUI 界面设计（使用 Tkinter）
– 第三方库集成（PyPDF2、Pillow、pytesseract）

---

思路分析

1. 用户交互：使用 Tkinter 创建 GUI 界面，允许用户选择文件夹，并启动重命名流程。
2. 文件扫描：遍历用户选择的文件夹，识别支持的文件类型（.txt、.jpg、.png、.pdf）。
3. 内容提取：
   • .txt 文件：直接读取文本内容。
   • .jpg/.png 图片：使用 OCR（Tesseract）提取图片中的文字。
   • .pdf 文件：使用 PyPDF2 提取 PDF 的标题页内容。
4. 智能重命名：根据提取的关键信息生成新的文件名，并重命名文件。
5. 多线程处理：为提高效率，使用 concurrent.futures.ThreadPoolExecutor 并行处理多个文件。
6. 错误处理与日志：确保程序健壮性，记录处理日志。

---

代码实现

1. 安装依赖库

请先安装以下 Python 第三方库：

pip install PyPDF2 pillow pytesseract

注意：使用 OCR 功能需要安装 Tesseract OCR 引擎，并将其添加到系统环境变量中。Tesseract 官网

---

2. 完整实现代码（Python）

import os
import re
import threading
import tkinter as tk
from tkinter import filedialog, messagebox
from concurrent.futures import ThreadPoolExecutor
from PIL import Image
import pytesseract
import PyPDF2

# 设置 Tesseract OCR 的路径（根据你的安装路径修改）
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 支持的文件类型及其处理函数
SUPPORTED_TYPES = {
    '.txt': lambda path: extract_text_from_txt(path),
    '.pdf': lambda path: extract_title_from_pdf(path),
    '.jpg': lambda path: extract_text_from_image(path),
    '.png': lambda path: extract_text_from_image(path),
}

def extract_text_from_txt(file_path):
    """从 .txt 文件中提取文本内容"""
    try:
        with open(file_path, 'r', encoding='utf-8') as f:
            return f.read().strip()
    except Exception as e:
        return f"无法读取 {file_path}: {e}"

def extract_title_from_pdf(file_path):
    """从 PDF 文件中提取第一页的文本作为标题"""
    try:
        with open(file_path, 'rb') as f:
            reader = PyPDF2.PdfReader(f)
            if len(reader.pages) == 0:
                return "PDF 为空"
            first_page = reader.pages[0]
            text = first_page.extract_text().strip()
            # 提取标题（假设标题为前几行）
            lines = text.split('\n')
            title = lines[0] if lines else "无标题"
            return title[:50]  # 限制标题长度
    except Exception as e:
        return f"无法读取 {file_path}: {e}"

def extract_text_from_image(file_path):
    """使用 OCR 提取图片中的文字"""
    try:
        with Image.open(file_path) as img:
            return pytesseract.image_to_string(img, lang='chi_sim+eng').strip()
    except Exception as e:
        return f"无法识别 {file_path}: {e}"

def sanitize_filename(name):
    """清理文件名，避免非法字符"""
    name = re.sub(r'[\\/:*?"<>|]', '', name)  # 移除非法字符
    name = name.strip()  # 去除首尾空格
    return name[:100]  # 限制长度

def rename_file(file_path, new_name):
    """重命名文件"""
    dir_path, old_name = os.path.split(file_path)
    ext = os.path.splitext(old_name)[1]
    new_file_name = f"{new_name}{ext}"
    new_file_path = os.path.join(dir_path, new_file_name)
    try:
        os.rename(file_path, new_file_path)
        return f"成功重命名: {old_name} → {new_file_name}"
    except Exception as e:
        return f"重命名失败: {old_name} - {e}"

def process_files(folder_path):
    """处理文件夹中的所有文件"""
    results = []
    with ThreadPoolExecutor(max_workers=4) as executor:
        futures = []
        for root, _, files in os.walk(folder_path):
            for file in files:
                file_path = os.path.join(root, file)
                ext = os.path.splitext(file_path)[1].lower()
                if ext in SUPPORTED_TYPES:
                    func = SUPPORTED_TYPES[ext]
                    futures.append(executor.submit(func, file_path))

        for future in futures:
            content = future.result()
            if "无法" in content:
                results.append(f"跳过: {content}")
            else:
                new_name = sanitize_filename(content)
                result = rename_file(file_path, new_name)
                results.append(result)
    return results

def select_folder():
    """弹出文件夹选择对话框"""
    folder_path = filedialog.askdirectory()
    if folder_path:
        status_label.config(text="正在处理文件...")
        threading.Thread(target=process_folder, args=(folder_path,), daemon=True).start()

def process_folder(folder_path):
    """启动文件处理线程"""
    results = process_files(folder_path)
    status_label.config(text="处理完成！")
    messagebox.showinfo("完成", f"共处理 {len(results)} 个文件。\n点击确定查看详细日志。")
    print("\n".join(results))

# GUI 界面
root = tk.Tk()
root.title("文件内容提取与重命名工具")
root.geometry("500x200")

tk.Label(root, text="选择文件夹以开始智能重命名：").pack(pady=10)
select_button = tk.Button(root, text="选择文件夹", command=select_folder)
select_button.pack(pady=10)

status_label = tk.Label(root, text="", fg="blue")
status_label.pack(pady=10)

root.mainloop()

---

3. 示例运行说明

1. 运行程序：运行上述代码，会弹出一个简单的 GUI 界面。
2. 选择文件夹：点击“选择文件夹”按钮，选择包含 .txt, .jpg, .png, .pdf 文件的目录。
3. 自动处理：程序将自动提取每个文件的关键信息，并重命名文件。
4. 查看结果：处理完成后，会弹出提示窗口，并在控制台打印处理日志。

---

4. 输出示例

输入文件夹 C:\Documents\Reports，包含以下文件：

• report1.txt 内容为：2025年度财务报告
• invoice.jpg 图片文字为：Invoice No. 20250415
• summary.pdf 第一页标题为：项目总结：AI技术应用

处理后文件名变为：

• 2025年度财务报告.txt
• Invoice No. 20250415.jpg
• 项目总结：AI技术应用.pdf

---

总结

本项目实现了一个基于 Python 的“文件内容提取与重命名工具”，通过集成 OCR、PDF 提取和多线程处理，实现了对多种文件类型的智能重命名功能。该工具不仅具备实用价值，还能帮助开发者掌握以下技能：

• Tkinter GUI 设计
• 文件操作与遍历
• 多线程并发处理
• 第三方库（OCR、PDF）的使用
• 异常处理与日志记录

对于希望提升文件处理能力或学习 Python 图形界面开发的中级开发者来说，该项目是一个非常有价值的学习实践。你可以在此基础上进一步扩展功能，如支持更多文件格式、添加自定义命名规则、集成文件搜索等。