尝试pdfminer：

from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument

fp = open('diveintopython.pdf', 'rb')
parser = PDFParser(fp)
doc = PDFDocument(parser)

print(doc.info)  # The "Info" metadata

下面是输出：

>>> [{'CreationDate': 'D:20040520151901-0500',
  'Creator': 'DocBook XSL Stylesheets V1.52.2',
  'Keywords': 'Python, Dive Into Python, tutorial, object-oriented, programming, documentation, book, free',
  'Producer': 'htmldoc 1.8.23 Copyright 1997-2002 Easy Software Products, All Rights Reserved.',
  'Title': 'Dive Into Python'}]

有关详细信息，请参阅本教程：A lightweight XMP parser for extracting PDF metadata in Python.

对于Python 3，请参见PyPDF2，其中@Khaleel的示例代码更新为：

from PyPDF2 import PdfReader
reader = PdfReader("test.pdf")
pdf_info = reader.metadata
print(str(pdf_info))

使用pip install PyPDF2进行安装。

对于Python 3和新的pdfminer（pip安装pdfminer3k）：

import os
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfparser import PDFDocument

fp = open("foo.pdf", 'rb')
parser = PDFParser(fp)
doc = PDFDocument(parser)
parser.set_document(doc)
doc.set_parser(parser)
if len(doc.info) > 0:
    info = doc.info[0]
    print(info)

莫滕·齐尔默指出：pyPdf homepage说它不再被维护。
我已经使用pyPdf实现了这个功能，请参见下面的示例代码。

from pyPdf import PdfFileReader
pdf_toread = PdfFileReader(open("doc2.pdf", "rb"))
pdf_info = pdf_toread.getDocumentInfo()
print(str(pdf_info))

输出：

{'/Title': u'Microsoft Word - Agnico-Eagle - Complaint (00040197-2)', '/CreationDate': u"D:20111108111228-05'00'", '/Producer': u'Acrobat Distiller 10.0.0 (Windows)', '/ModDate': u"D:20111108112409-05'00'", '/Creator': u'PScript5.dll Version 5.2.2', '/Author': u'LdelPino'}

pikepdf提供了一种简单可靠的方法来实现这一点。
我用一堆pdf文件测试了这个方法，在创建PDF时似乎有两种不同的插入元数据的方法，有些是插入NUL字节和其他无用信息，Pikepdf处理这两种方法都很好。

import pikepdf
p = pikepdf.Pdf.open(r'path/to/file.pdf')
str(p.docinfo['/Author'])  # mind the slash

返回一个字符串-如果你用str Package 它的话。

• 'Normal person'
• 'ABC'

与其他选项比较：

• pdfminer-未积极维护
• pdfminer.six-活动
• pdfreader- active（但仍然建议您使用easy_install，a.o.）
• pypdf-活动。
• PyPDF2-被重新合并到pypdf中。PyPDF2==3.0.0和pypdf==3.1.0本质上是相同的，但是在pypdf中继续开发
• Borb-活动。

Pdf矿工六：

pip install pdfminer.six

import pdfminer.pdfparser
import pdfminer.pdfdocument
h = open('path/to/file.pdf', 'rb')
p = pdfminer.pdfparser.PDFParser(h)
d = pdfminer.pdfparser.PDFDocument(p)
d.info[0]['Author']

这将返回一个二进制字符串，包括不可解码的字符（如果存在）。

• b'Normal person'
• b'\xfe\xff\x00A\x00B\x00C'（ABC）

要转换为字符串：

• b'Normal person'.decode()生成字符串'Normal person'
• b'\xfe\xff\x00A\x00B\x00C'.decode(encoding='utf-8', errors='ignore').replace('\x00', '')生成字符串'ABC'

PDF阅读器

pip install pdfreader

import pdfreader
h = open(r'path/to/file.pdf', 'rb')
d = pdfreader.PDFDocument(h)
d.metadata['Author']

这将返回包含所请求信息的字符串，或者包含所找到数据的十六进制表示形式的字符串。这也包括相同的不可解码字符。例如：

• 'Normal person'
• 'FEFF004100420043'（ABC）

你首先需要检测这个字符串是否仍然是“已编码的”，我认为这是一个相当麻烦的问题，其次可以通过调用下面这段丑陋的代码使它成为一个合理的字符串：

s = 'FEFF004100420043'
''.join([c for c in (chr(int(s[i:i+2], 16)) for i in range(0, len(s), 2)) if c.isascii()]).replace('\x00', '')
>>> 'ABC'

博布

pip install borb

import borb.pdf.pdf
h = open(r'path/to/file.pdf', 'rb')
d: borb.pdf.document.Document = borb.pdf.pdf.PDF.loads(h)
str(d.get_document_info().get_author())

这将返回一个字符串-如果你用str Package 它的话。加载一个大的PDF需要很长时间。我有一个PDF，borb在上面遇到了一个TypeError异常。也可以参见borb的专用示例repo上的示例。

尝试pdfreader您可以访问文档目录元数据如下：

from pdfreader import PDFDocument    
   f = open("foo.pdf", 'rb')
   doc = PDFDocument(f)
   metadata = doc.root.Metadata