עזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך

yossiz

מי שרוצה לתרום עדיין...
יש עדיין מה לשפר בסקריפט שכתבתי:

צריך לסנן תווים מיוחדים מתוך השם החדש הקובץ
צריך לתת שם ייחודי לכל קובץ כדי שלא יהיה שגיאה כאשר יש שני קבצים עם שם תורם זהה
צריך לטפל שבהרצה שנייה הסקריפט יתעלם מקבצים שכבר טופלו

aaron

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

פשוט לא נכון. הוצאת שם רע. סביר לטעון שיש טעיות בתכנון של powershell. אבל אל תנסה לטעון שיש טעויות טפשיות שכל מתחיל לא היה עושה.

צודק, לא הבדלתי בכך שבמקרה הזה מדובר בקלט מstdout מה שאומר שהוא מסופק כשורות נפרדות ולא כטקסט רציף (עם \n)

עריכה: אולי אין קשר..

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

אפשר פשוט להשתמש בווינדוס ?
בנוסף, מה לא טוב בזה?

אילו היה וינדוס...
ואני משתדל לא להתקין אף פעם ישירות מRPM\DEB. זה מתכון לחבילות לא מעודכנות.. (חוץ מחבילות שכשאתה מתקין הם גם מוסיפות את עצמם לריפו?)
בכל מקרה, לא רואה סיבה "לזהם" את הסביבת עבודה כשיש דוקר פשוט וקל..

OdedDvir

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

יש עדיין מה לשפר בסקריפט שכתבתי:

אני לא מבין בPS אבל הנה השני סנט שלי:

צריך לתת שם ייחודי לכל קובץ כדי שלא יהיה שגיאה כאשר יש שני קבצים עם שם תורם זהה

לשנות את שם הקובץ המקורי ל: שם המקורי+שם התורם.

צריך לטפל שבהרצה שנייה הסקריפט יתעלם מקבצים שכבר טופלו

לבדוק אם שם הקובץ גדול מ-10 תווים (ואז הוא טופל)

צריך לסנן תווים מיוחדים מתוך השם החדש הקובץ

$Path.Split([IO.Path]::GetInvalidFileNameChars()) -join '_'

ממיר את כל התווים הלא תקניים לקו תחתון (מקור)

ישר כח על העזרה @yossiz !

dovid

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

אצלי אפילו האנגלית לא קריאה, רק המספרים

מה הסיפור עם הקובץ? נוצרה מאותה תוכנה? הבנת למה אין טקסט?

תוכנה לא מוכרת לי ממקום חיצוני (באופן קבוע).
כעת בדקתי שוב, יאהוו כמה ניסיתי אז!
הנה רשימה: PdfTextExtractor של iTextSharp, והספריות הבאות בנוד pdf.js-extract, pdf.js, pdf2json, pdfjs-dist, pdfreader.
ובכן בשניים כעת בדקתי שוב, והם לא נותנים אפילו ספרה אחת.. כל הטקסט כזה 픀퐀혀ꀀ. אבל כלי שורת הפקודה שהבאת מביא תמיד את כל המספרים טוב, אבל הטקסט בלי utf-8 הוא ריק ועם הוא כזה:
╫¢╫ץ╫ש
אני לא יכול לשתף שום מסמך מהסוג הזה, ולצערי לא יכול לייצר דוגמה כי אין לי מושג מי התוכנה המייצרת... אדובי רידר מבין את הטקסט נהדר.

@מעלה-ומוריד תודה על הנושא, סליחה על הרכיבה על הנושא שאני עצמי לא סובל שאחרים עושים. הרשיתי לעצמי כי בעצם הפתרון ש@yossiz הביא מצויין, הבעיות שלו עם השם קובץ ועם הפעם השניה לדעתי לא באמת יטרידו אותך.

מעלה ומוריד

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

סליחה על הרכיבה

בסגר דמור. אם המנהל ישאל אותי אני אגיד לו שלא ימחק אותך

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

הבעיות שלו עם השם קובץ ועם הפעם השניה לדעתי לא באמת יטרידו אותך.

הבעיות שלו הגיעו מהנסיון אצלי...
הכריש שאתם רואים מלפני הקלעים. מאחוריהם הוא דג זהב שלא גומר לעזור לאנשים. ועד הסוף.

yossiz

@מעלה-ומוריד אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

הכריש שאתם רואים מלפני הקלעים. מאחוריהם הוא דג זהב שלא גומר לעזור לאנשים. ועד הסוף.

אופסס... אבק לשון הרע...
(אגב, אם כבר הזכרת, אני מעדיף ככל שאפשר לעזור מעל גבי הפורום ולא בפרטי, כי ככה אני מקבל מתן שכרה בצידה של אינטראקציה עם שאר חברי הקהילה החמודה שלנו, עזרה ורעיונות של אחרים וכו' בקיצור כל מה שאני אוהב בתחומים, וגם יש גבול כמה אפשר לנדנד דרך הפורום, בניגוד להתכתבות אישית..., כמובן יש דברים שלא ראוי או שלא יעיל ולא מועיל לעשות דרך הפורום)

yossiz

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

הנה רשימה: PdfTextExtractor של iTextSharp, והספריות הבאות בנוד pdf.js-extract, pdf.js, pdf2json, pdfjs-dist, pdfreader.

מסתבר שיש לנו דרכי פעולה שונות...
הדבר הראשון שהייתי עושה לפני נסיון דרך כל ספרייה שזזה הוא לפתוח את ה-PDF ברנטגן של PDF-ים.
יש כמה תוכנות כאלו, התוכנה האהובה עלי כרגע הוא: https://pdfbox.apache.org/1.8/commandline.html#pdfdebugger
ממש פותח צוהר לתוך המבנה של ה-PDF.
כמובן שצריך להחזיק קרוב אליך את ה"מדריך למשתמש (המתקדם?)" של PDF. ספר בן 1300 עמודים...

ובכן בשניים כעת בדקתי שוב, והם לא נותנים אפילו ספרה אחת.. כל הטקסט כזה 픀퐀혀ꀀ. אבל כלי שורת הפקודה שהבאת מביא תמיד את כל המספרים טוב, אבל הטקסט בלי utf-8 הוא ריק ועם הוא כזה:

╫¢╫ץ╫ש

אם כן תריץ chcp 65001 לפני הפקודה ותמצא נחת. (עובד ב-CMD)
או ב-powershell:

[System.Console]::OutputEncoding = [System.Text.Encoding]::UTF8

dovid

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

מסתבר שיש לנו דרכי פעולה שונות...

ללא ספק...

אם כן תריץ chcp 65001 לפני הפקודה ותמצא נחת. (עובד ב-CMD)
או ב-powershell:
[System.Console]::OutputEncoding = [System.Text.Encoding]::UTF8

אכן!! אבל למה בC# ובנוד לא הצלחתי בשום קידוד? מאה תודות!

yossiz

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

אבל למה בC# ובנוד לא הצלחתי בשום קידוד

קשה לענות על זה בלי שתשתף קובץ

מעלה ומוריד

@yossiz אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

צריך לתת שם ייחודי לכל קובץ כדי שלא יהיה שגיאה כאשר יש שני קבצים עם שם תורם זהה

הסקריפט לא משנה את שם המסמך אלא משכפל אותו עם השם הרצוי, מה שיכול לגרום לכך שאם יתוקן, הסקריפט ירוץ בלי להפסיק, כיוון שתמיד ישארו קבצים לא מטופלים.

dovid

@מעלה-ומוריד צריך להחליף את Copy-Item לMove-Item.

מלא

@מעלה-ומוריד

אפשר להוסיף מספור-רץ לשם הקובץ,
ועם המספור גם להגביל את הריצה לפי מספר הקבצים שהיו בהפעלה.

chv

@dovid אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

@מעלה-ומוריד צריך להחליף את Copy-Item לMove-Item.

לא יותר פשוט rename?

מעלה ומוריד

@dovid מעולה, תודה!
נקודה נוספת, בקובץ שהעליתי שם התורם "אנונימי אנונימי" אינו שם פרטי ומשפחה אלא כפילות, כך בכל המסמכים למשל "דוד מנהל דוד מנהל"
מה יש לשנות בשביל שהסקריפט ישלוף רק חצי?
מאה ואחת תודות!

מעלה ומוריד

@מלא אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

@מעלה-ומוריד

אפשר להוסיף מספור-רץ לשם הקובץ,
ועם המספור גם להגביל את הריצה לפי מספר הקבצים שהיו בהפעלה.

האם תוכל להכניס את זה בסקריפט?
בשבילי זה אפילו לא טורקית

מעלה ומוריד

@odeddvir אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

לשנות את שם הקובץ המקורי ל: שם המקורי+שם התורם.

יותר יעיל יהיה להוסיף לשם הקובץ גם את התאריך המופיע על הקבלה
(אפשר רק את הערך של היום, מכיוון שהתיקיות ממילא מחולקות לפי חודשים)

chv

@מעלה-ומוריד יש בכלל כאלה כפולים? אני מתכווין האם יש מצב שיש שתי קבלות באותו יום - לאותו תורם?

חוקר

@chv אמר בעזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך:

@מעלה-ומוריד יש בכלל כאלה כפולים? אני מתכווין האם יש מצב שיש שתי קבלות באותו יום - לאותו תורם?

איני יודע מה אצלו, אבל לי יצא שבוע שעבר לקראת סוף שנת המס שביצעתי תרומה והוצרכתי לחלק אותה לשני תשלומים בשני כרטיסי אשראי נפרדים בגלל המסגרת..
כמובן שקיבלתי שם אוטומטי 2 קבלות.
רק דוגמא שזה ייתכן

chv

אוקיי @חוקר .. הוא לא ענה לי אבל מספיק לי שיכול להיות כזה סיטואציה.
@מעלה-ומוריד תגיד אם הקוד הזה טוב ועובד:

param([string]$path = '.')

$pdftotext = "path to pdftotext"

[Console]::OutputEncoding = [text.encoding]::utf8

Get-ChildItem -path $path -Filter '*.pdf' | ForEach-Object -Process {
  $donor = &$pdftotext -enc UTF-8 -simple $_.FullName - | Select-Object -Index 9
  $donor = ($donor -split ' ' | Select-Object -Unique) -join ' '
  $datee = &$pdftotext -enc UTF-8 -simple $_.FullName - | Select-Object -Index 4
  $datee = ($datee -split ' ' )[0].Substring(2, 2)
  $text = '{0}{1}{2}' -f $donor.Substring(2), ' ', $datee
  $counter = 1
  $file = '{0}{1}{2}{3}' -f $_.DirectoryName, '\', $text, '.pdf'
  while (Test-Path -Path $file) {
    $text = '{0}{1}{2}{3}({4})' -f $donor.Substring(2), ' ', $datee, ' ', $counter++
    $file = '{0}{1}{2}{3}' -f $_.DirectoryName, '\', $text, '.pdf'
  }
  $_ | Rename-Item -NewName "$($text).pdf"
}

צריך לשנות בשורה 3 לנתיב לקובץ pdftotext.
זה הקוד של @yossiz שערכתי קצת

= עריכה =
שכחתי לציין מה זה עושה:
סורק את השם + התאריך. (את שם התורם אני מאחד - מוריד את הכפליות)
משנה את שם הקובץ ל: שם התורם + תאריך היום בחודש בלבד.
במקרה וכבר יש קובץ עם השם הזה - הוא משנה את השם ל:שם התורם וכו' + מספר (מתחיל מ-(1) והלאה לפי העניין).

מעלה ומוריד

@chv תודה ענקית!
משום מה הוא נתן את (1) כמעט בכל הקבצים (מלבד שניים), זה קרה אחרי שהוא כבר שינה את השמות, כלומר בשלב ב'.
כמו כן, עדיין קיימת הבעיה של תווים לא חוקיים (") ש @OdedDvir הביא למעלה פתרון לגביה.
חוץ מזה פיקס, ואני אסיר תודה, לך וליוסי. אשריכם ישראל.
הנה הפלט:

Test-Path : Illegal characters in path.
At C:\Users\This_user\Desktop\myscript.ps1:15 char:10
+   while (Test-Path -Path $file) {
+          ~~~~~~~~~~~~~~~~~~~~~
    + CategoryInfo          : InvalidArgument: (C:\Users\This_u...איר יערי 25.pdf:String) [Test-Path], ArgumentExcepti
   on
    + FullyQualifiedErrorId : ItemExistsArgumentError,Microsoft.PowerShell.Commands.TestPathCommand

Rename-Item : Illegal characters in path.
At C:\Users\This_user\Desktop\myscript.ps1:19 char:8
+   $_ | Rename-Item -NewName "$($text).pdf"
+        ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
    + CategoryInfo          : NotSpecified: (:) [Rename-Item], ArgumentException
    + FullyQualifiedErrorId : System.ArgumentException,Microsoft.PowerShell.Commands.RenameItemCommand

וזה, סתם פיקנטריה:

צריך : The term 'צריך' is not recognized as the name of a cmdlet, function, script file, or operable program. Check
the spelling of the name, or if a path was included, verify that the path is correct and try again.
At C:\Users\This_user\Desktop\myscript.ps1:21 char:1
+ צריך לשנות בשורה 3 לנתיב לקובץ pdftotext.
+ ~~~~
    + CategoryInfo          : ObjectNotFound: (צריך:String) [], CommandNotFoundException
    + FullyQualifiedErrorId : CommandNotFoundException

תחומים - פורום חרדי מקצועי

עזרה - שינוי שם בקבצי PDF מרובים לפי טקסט מתוך המסמך