Seite 1 von 2
wie PDF-Metadaten bearbeiten?
Verfasst: 16.01.2026 20:54
von EmmJott
Guude!
Ich habe über die Jahre eine ganze Menge PDFs gesammelt, die ich gerne in einer selfhosted Library (beispielsweise Booklore) organisieren würde. Habe dabei festgestellt, dass ein Großteil der PDFs falsche, fehlerhafte oder gar keine Metadaten enthält. Leider hat meine Suche nach vernünftiger Software nichts Brauchbares ergeben.
Hat jemand zufällig Infos, wie man mit PB Metadaten von PDFs ausliest bzw. geänderte Metadaten speichert und könnte mir da weiterhelfen?
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 16.01.2026 21:28
von Kiffi
Eine Möglichkeit wäre die Nutzung von exiftool (
https://exiftool.org/), die man von PB aus mittels RunProgram() aufrufen könnte.
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 17.01.2026 14:01
von Axolotl
Ich nutze (immer) die
xpdf-tools um an Teile des Textes zu kommen. Evtl. bieten die anderen Tools noch mehr/was du suchst.
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 17.01.2026 14:39
von EmmJott
Besten Dank für die Beiträge. Exiftool scheint das zu können, bin mir aber nicht sicher, ob ich mich da wirklich reinfuchsen will.
Wenn man sich PDFs mit einem HexEditor anschaut, kann man am Ende der Dateien folgendes finden:
Code: Alles auswählen
<dc:title>" + Chr(10) + Space(n) + "<rdf:Alt>" + Chr(10) + Space(n) + "<rdf:li xml:lang=" + #DQUOTE$ + "x-Default" + #DQUOTE$ + ">"
hier stünde der Titeltext
</rdf:li>" + Chr(10) + Space(n) + "</rdf:Alt>" + Chr(10) + Space(n) + "</dc:title>"
soll hier bedeuten, dass die Anzahl an CHR(32) variiert, offenbar abhängig von der zur Erstellung der PDF verwendeten Software. Das mit den variablen Abständen zwischen den "Tags" (in Ermangelung eines geeigneten Fachbegriffes) ist auch bei
Code: Alles auswählen
<dc:description> <rdf:Alt> <rdf:li xml:lang="x-default">
hier stünde die Beschreibung
</rdf:li> </rdf:Alt> </dc:description>
oder
<dc:contributor> <rdf:Bag> <rdf:li>
Text
</rdf:li> </rdf:Bag> </dc:contributor>
oder
<dc:publisher> <rdf:Bag> <rdf:li>
Text
</rdf:li> </rdf:Bag> </dc:publisher>
oder
<dc:relation> <rdf:Bag> <rdf:li>
Text
</rdf:li> </rdf:Bag> </dc:relation>
oder
<dc:rights> <rdf:Alt> <rdf:li xml:lang="x-default">
Text
</rdf:li> </rdf:Alt> </dc:rights>
Weitere "Tags" wären beispielsweise
Code: Alles auswählen
<dc:coverage></dc:coverage>
<dc:identifier></dc:identifier>
<dc:source></dc:source>
<dc:type></dc:type>
<pdf:Producer></pdf:Producer>
<pdf:Keywords></pdf:Keywords>
Ich würde gerne bei meinen PDF-Dateien (einige recht große darunter) einige Metadaten auslesen und in eine CSV-Datei schreiben, die CSV-Datei dann bearbeiten (z. B. in LibreOffice) und dann die geänderten Metadaten in die PDFs zurückschreiben.
Erste Hürde dabei: Wie finde ich in (theoretisch beliebig großen) Dateien den Text, der zwischen <dc:title> und </dc:title> steht?
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 17.01.2026 16:53
von H.Brill
der zwischen <dc:title> und </dc:title> steht?
Ist doch eine typische Aufgabe für die Regulären Ausdrücke (RegularExpressions).
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 17.01.2026 17:11
von EmmJott
Hallo H.Brill,
der erste Teil der Frage, nämlich "Wie finde ich in (theoretisch beliebig großen) Dateien ..." bereitet mir erstmal mehr Schwierigkeiten. Liest man die häppchenweise ein , durchsucht, und bei Erfolglosigkeit das nächste Häppchen?
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 17.01.2026 17:31
von Axolotl
Moin,
ja, kann man so machen, allerdings würde ich es erstmal einfacher machen.... (Ohne gleich auf Speicher oder Geschwindigkeitsoptimierung zu gehen)
Wenn die Logik fehlerfrei funktioniert kannste die Optimierungen für (riesige) pdf dateien immer noch vornehmen.
Wenn ich dich richtig verstanden habe, willst du sowas machen, oder? (Datei lesen geht so natürlich nur mit ReadString, wenn da keine NULL-Zeichen enthalten sind. Dann brauchste dafür ReadData (usw.)
Code: Alles auswählen
EnableExplicit
Global PDFEntireText$ = " Der Text, der zwischen <dc:title> und </dc:title> steht? "
Procedure ReadPDF(File$) ; BOOL
Protected result
If ReadFile(0, File$)
While Eof(0) = 0
PDFEntireText$ = ReadString(0, #PB_File_IgnoreEOL)
Wend
CloseFile(0)
result = #True
Else
PDFEntireText$ = ""
EndIf
ProcedureReturn result
EndProcedure
Procedure.s ExtractValue(Tag$, Title$) ; STR
Protected result$, searchBegin$, searchEnd$, pBegin, pEnd
If PDFEntireText$
searchBegin$ = "<" + Tag$ + ":" + Title$ + ">"
searchEnd$ = "</" + Tag$ + ":" + Title$ + ">"
pBegin = FindString(PDFEntireText$, searchBegin$, 1)
If pBegin
pBegin + Len(searchBegin$)
pEnd = FindString(PDFEntireText$, searchEnd$, pBegin)
If pEnd
result$ = Mid(PDFEntireText$, pBegin, pEnd - pBegin)
EndIf
EndIf
EndIf
ProcedureReturn result$
EndProcedure
Debug "=>" + ExtractValue("dc", "title") + "<"
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 19.01.2026 11:43
von dige
Hi EmmJott, falls es um die Verwaltung von mehr als 100 Pdf's geht, würde ich das gleich größer aufziehen und das mit einer Kombination aus PDF CLI Tool und AI angehen.
Also Meta Daten und Text über eine CLI Tool auslesen und mit AI eine Zusammenfassung und ggf. neue Metadaten generieren lassen.
Falls dein PDF Scans bzw. Bilder enthält kannst du diese mit Tesseract oder einen Visionmodell auch daraus die Texte holen.
Wenn deine Grafikkarte mehr als 8GB VRAM hat, kann man mit Ollama und LLMs wie llama und qwen schon ziemlich gut arbeiten.
Richtig Spaß macht das ganze dann aber erst, wenn du AI dann auch in deine Suche integrierst. Das erhöht signifikant die Trefferquote. Stichwort RAG (Retrieval-Augmented Generation)
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 23.01.2026 11:14
von EmmJott
Hallo Dige,
mit AI und so ein interessanter Ansatz, für meinen Bedarf allerdings weit über das Ziel hinausgeschossen. Werde auch das Programm-Projekt nicht weiter verfolgen, da es wahrscheinlich mehr Zeit zum Programmieren benötigt, als die Daten (soweit überhaupt erforderlich) gleich richtig zu stellen. Habe mich übrigens für "Booklore" entschieden, das auch eine brauchbare Metadaten-Bearbeitung bietet.
Re: wie PDF-Metadaten bearbeiten?
Verfasst: 23.01.2026 12:09
von Kiffi
Hier ein Beispielcode zum Auslesen und Anzeigen der PDF-Metadaten via ExifTool. Du musst lediglich
[PfadZuDeinemExifTool] und
[DeinPdf] anpassen (auf evtl. vorhandene Leerzeichen in den Pfaden achten!).
Code: Alles auswählen
EnableExplicit
Procedure.s GetMetaDataFromFile(filename.s)
Protected cmd.s = "[PfadZuDeinemExifTool]"
Protected exiftool.i, line.s, result.s
exiftool = RunProgram(cmd, "-j " + filename, "", #PB_Program_Open | #PB_Program_Read | #PB_Program_Hide)
If exiftool
While ProgramRunning(exiftool)
If AvailableProgramOutput(exiftool)
line = ReadProgramString(exiftool)
result + line + #LF$
EndIf
Wend
CloseProgram(exiftool)
Else
Debug "ExifTool not found"
EndIf
ProcedureReturn result
EndProcedure
Define jsonString.s
Define Xml.s
Define ObjectValue
jsonString = GetMetaDataFromFile([DeinPdf])
If jsonString = ""
Debug "No MetaData found!"
End
EndIf
#Dialog = 0
#Xml = 0
Xml = "<window id='#PB_Any' name='test' text='test' width='800' height='800' flags='#PB_Window_ScreenCentered | #PB_Window_SystemMenu | #PB_Window_SizeGadget'>" +
" <scrollarea>" +
" <gridbox colexpand='item:2'>"
ParseJSON(0, jsonString)
ObjectValue = GetJSONElement(JSONValue(0), 0)
If ExamineJSONMembers(ObjectValue)
While NextJSONMember(ObjectValue)
Xml + "<text text='" + JSONMemberKey(ObjectValue) + "' />"
Select JSONType(JSONMemberValue(ObjectValue))
Case #PB_JSON_Number
Xml + "<string text='" + Str(GetJSONInteger(JSONMemberValue(ObjectValue))) + "' />"
Case #PB_JSON_String
Xml + "<string text='" + GetJSONString(JSONMemberValue(ObjectValue)) + "' />"
EndSelect
Wend
EndIf
Xml + " </gridbox>" +
" </scrollarea>" +
"</window>"
FreeJSON(0)
If ParseXML(#Xml, Xml) And XMLStatus(#Xml) = #PB_XML_Success
If CreateDialog(#Dialog) And OpenXMLDialog(#Dialog, #Xml, "test")
Repeat
Until WaitWindowEvent() = #PB_Event_CloseWindow
Else
Debug "Dialog error: " + DialogError(#Dialog)
EndIf
Else
Debug "XML error: " + XMLError(#Xml) + " (Line: " + XMLErrorLine(#Xml) + ")"
EndIf