Como posso ler a data interna de criação / modificação de pdf com o Windows PowerShell?

Question

Os arquivos PDF parecem ter um conjunto separado de propriedades de arquivo que contêm (entre outras) uma data de criação e uma data de modificação (veja a captura de tela aqui: link ).

A data, obviamente, pode diferir da data de criação e modificação mostrada no sistema de arquivos (Windows Explorer).

Como posso acessar as informações de data no arquivo PDF e lê-las em Windows 7 com Windows PowerShell (ou talvez outro método)?

    

Answer 1

Você pode ler um arquivo PDF (pelo menos em formatos mais recentes) como se fosse texto. Você encontrará uma seção XML incorporada que usa o esquema do Adobe XMP. Contém os metadados que você precisa.

Aqui está um exemplo:

%PDF-1.5
%âãÏÓ
2 0 obj
<<
/AcroForm 4 0 R
/Lang (en-GB)
/MarkInfo <<
/Marked true
>>
/Metadata 5 0 R
/Pages 6 0 R
/StructTreeRoot 7 0 R
/Type /Catalog
>>
endobj
5 0 obj
<<
/Length 2971
/Subtype /XML
/Type /Metadata
>>
stream
<?xpacket begin="" id="W5M0MpCehiHzreSzNTczkc9d"?>
<x:xmpmeta xmlns:x="adobe:ns:meta/" x:xmptk="XMP Core 5.1.2">
    <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
        <rdf:Description rdf:about=""
                xmlns:xmp="http://ns.adobe.com/xap/1.0/">
            <xmp:CreateDate>2014-03-05T15:03:02+01:00</xmp:CreateDate>
            <xmp:ModifyDate>2014-05-30T11:58:02+01:00</xmp:ModifyDate>
            <xmp:MetadataDate>2014-03-05T14:03:46Z</xmp:MetadataDate>
        </rdf:Description>
        <rdf:Description rdf:about=""
                xmlns:xmpMM="http://ns.adobe.com/xap/1.0/mm/">
            <xmpMM:DocumentID>uuid:8b5fe011-ed77-4298-aa84-d1eda797b9ff</xmpMM:DocumentID>
            <xmpMM:InstanceID>uuid:88074e0b-42f7-4268-bc89-0162e417c9ad</xmpMM:InstanceID>
        </rdf:Description>
        <rdf:Description rdf:about=""
                xmlns:dc="http://purl.org/dc/elements/1.1/">
            <dc:format>application/pdf</dc:format>
        </rdf:Description>
    </rdf:RDF>
</x:xmpmeta>

O exemplo a seguir recuperará a data de criação:

$a = Select-String "CreateDate\>(.*)\<" .\filename.pdf

Que retorna algo como:

filename.pdf:20:         <xap:CreateDate>2009-11-03T10:54:29Z</xap:CreateDate>
filename.pdf:12921:         <xap:CreateDate>2009-11-03T10:54:29Z</xap:CreateDate>

Como chegar aos dados exatos:

$a.Matches.Groups[1]

Que retorna:

2009-11-03T10:54:29Z

    

Answer 2

Primeiro de tudo, você precisa ter acesso a uma biblioteca .net que é capaz de ler as propriedades do documento, pois não são propriedades nativas do shell: link

Em seguida, você precisa analisar os objetos do PDF, como:

# load ITextSHarp.dll

[System.Reflection.Assembly]::LoadFrom("C:\users\testuser\desktop\itextsharp.dll")

$raf = New-object iTextSharp.text.pdf.RandomAccessFileOrArray("C:\users\testuser\desktop\bitcoin.pdf")

# load pdf properties

$reader = New-object iTextSharp.text.pdf.PdfReader($raf, $Nothing)

$reader