文件夹文件遍历指定文件夹中的PDF文件从文件名中提取书名信息然后生成符合NoteExpress导入格式的文本文件。代码如下import os import re # # 配置区域 - 请根据你的实际情况修改 # # PDF文件所在的文件夹路径 folder_path rD:\BaiduNetdiskDownload\战史丛书102卷 # 输出文件路径 output_path rD:\BaiduNetdiskDownload\BookEndnote.txt # # 主程序 # def extract_info(filename): 从PDF文件名中提取卷数信息和书名 文件名格式示例戦史叢書第073巻 関東軍2関特演・終戦時の対ソ戦.pdf 返回: (卷数信息, 书名) # 去掉.pdf后缀 name_without_ext os.path.splitext(filename)[0] # 提取卷数匹配 戦史叢書第XXX巻 volume_match re.search(r(戦史叢書第\d巻), name_without_ext) volume volume_match.group(1) if volume_match else # 提取书名去掉卷数部分和前面的空格/全角空格 book_title re.sub(r戦史叢書第\d巻\s*[ \s]*, , name_without_ext).strip() return volume, book_title def main(): # 检查文件夹是否存在 if not os.path.exists(folder_path): print(f错误文件夹不存在 - {folder_path}) print(请检查路径是否正确) return # 存储所有记录 records [] # 获取所有PDF文件并排序 pdf_files [f for f in os.listdir(folder_path) if f.lower().endswith(.pdf)] pdf_files.sort() # 按文件名排序保持卷数顺序 print(f找到 {len(pdf_files)} 个PDF文件) print( * 60) # 遍历所有PDF文件 for idx, filename in enumerate(pdf_files, 1): volume, book_title extract_info(filename) # 生成NoteExpress兼容格式的记录 # NoteExpress支持的字段标签 # %0 文献类型 (Book/书籍) # %A 作者 # %T 标题完整书名含卷数 # %B 副标题/丛书名 # %I 出版社 # %D 年份 # %V 卷号 # %N 期号 # %P 页数 # %X 摘要 # % ISBN # %U URL # %K 关键词 # 标题格式戦史叢書第073巻 関東軍2関特演・終戦時の対ソ戦 full_title f{volume} {book_title} if volume else book_title record f%0 Book %A 防衛庁防衛研修所戦史室 %T {book_title} %B 戦史叢書 %V {volume.replace(戦史叢書, )} %I 朝雲新聞社 %C 東京 %D 1980 %K 日本战史,防卫厅,战史丛书,太平洋战争 records.append(record) # 显示进度 if idx 5 or idx len(pdf_files): print(f[{idx:03d}/{len(pdf_files)}] {full_title}) elif idx 6: print(...) # 将所有记录写入文件NoteExpress推荐使用UTF-8编码 with open(output_path, w, encodingutf-8) as f: f.write(\n.join(records)) print( * 60) print(f✅ 成功生成 {len(records)} 条记录) print(f 文件已保存至: {output_path}) print(\n 导入NoteExpress步骤) print( 1. 打开 NoteExpress) print( 2. 点击【文件】→【导入题录】) print( 3. 选择生成的 BookEndnote.txt 文件) print( 4. 过滤器选择 NoteExpress 格式) print( 5. 指定目标文件夹点击【开始导入】) print(\n 生成的字段说明) print( %T 标题包含完整卷数和书名如戦史叢書第073巻 関東軍2...) print( %B 丛书名戦史叢書) print( %V 卷号纯数字如073) print( %A 作者防衛庁防衛研修所戦史室) print( %I 出版社朝雲新聞社) print( %D 年份1966-1980丛书出版年代) if __name__ __main__: main()网站表格如下代码完成书目的生成。# -*- coding: utf-8 -*- import re import requests from bs4 import BeautifulSoup # 目标网站 URL http://www.tbcas.jp/ja/lib/lib1/ # 清理文本空白 def clean_text(s): return re.sub(r\s, , s.strip()) # 解析网页表格 def parse_page(html): soup BeautifulSoup(html, html.parser) table soup.find(table, border1) rows table.find_all(tr)[1:] # 跳过表头 records [] for row in rows: cols row.find_all([th, td]) if len(cols) 7: continue # 提取每一列 req_id clean_text(cols[0].get_text()) title_author clean_text(cols[1].get_text()) vol clean_text(cols[2].get_text()) pub_info clean_text(cols[3].get_text()) phys_desc clean_text(cols[4].get_text()) series clean_text(cols[5].get_text()) link_tag cols[6].find(a) url link_tag[href].strip() if link_tag else # 拆分书名 / 作者 author if in title_author: title_part, author_part title_author.split(, 1) title title_part.strip() author re.sub(r[\[\]], , author_part).strip() else: title title_author.strip() # 完整书名含卷次 full_title f{title} {vol}.strip() # # 【核心修改】拆分出版地 出版社 年份 # 格式例上海 中支経済研究所1939 # pub_place publisher year # 匹配 出版地出版社年份 match re.search(r^(.*?)\s*\s*(.*?)\s*\s*(\d{4}), pub_info) if match: pub_place match.group(1).strip() # 出版地点 publisher match.group(2).strip() # 出版社 year match.group(3).strip() # 年份 else: # 匹配 出版地出版社 match2 re.search(r^(.*?)\s*\s*(.*?)[], pub_info) if match2: pub_place match2.group(1).strip() publisher match2.group(2).strip() # 提取页数 pages page_match re.search(r(\d.?p), phys_desc) if page_match: pages page_match.group(1).strip() # # 生成 NoteExpress 标准格式 # ne [] ne.append(%0 Book) # 文献类型 if author: ne.append(f%A {author}) # 作者 ne.append(f%T {full_title}) # 书名 if series: ne.append(f%B {series}) # 丛书名 if pub_place: ne.append(f%C {pub_place})# 出版地点新增 if publisher: ne.append(f%I {publisher})# 出版社 if year: ne.append(f%D {year}) # 年份 if pages: ne.append(f%P {pages}) # 页数 if url: ne.append(f%U {url}) # 链接 ne.append() # 每条记录空行分隔 records.append(\n.join(ne)) return \n.join(records) # 主程序 def main(): headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 } resp requests.get(URL, headersheaders, timeout20) resp.encoding utf-8 resp.raise_for_status() ne_content parse_page(resp.text) # 保存文件 with open(东洋文库书目_NoteExpress格式.txt, w, encodingutf-8) as f: f.write(ne_content) print(✅ 已生成可直接导入的 NoteExpress 文件) print(\n【示例输出】) print(ne_content[:800]) if __name__ __main__: main()csv文件又如如下数据网站中将题录下载完毕后导出为csv文件。https://www.jacar.archives.go.jp/das/meta/CA0207020200?sfseq_arows200vtbpage2采用如下代码# -*- coding: utf-8 -*- import pandas as pd import re def csv_to_noteexpress(): csv_file_path result_20260520211546.csv # 你的CSV文件名 output_path NoteExpress_导入文件.txt # 输出文件名 # 关键修复sep, 自动识别逗号分隔 df pd.read_csv(csv_file_path, sep,, encodingutf-8) df df.fillna() # 空值处理 with open(output_path, w, encodingutf-8) as f: for _, row in df.iterrows(): # 读取字段完全匹配你的列名 レファレンスコード str(row[レファレンスコード]).strip() 標題 str(row[標題]).strip() 階層 str(row[階層]).strip() 所蔵館請求番号 str(row[所蔵館における請求番号]).strip() 画像数 str(row[画像数]).strip() # NoteExpress 格式输出 f.write(%0 Book\n) # 文献类型 f.write(%A 防衛省防衛研究所\n) # 作者 f.write(f%T {標題}\n) # 标题 f.write(f%B {階層}\n) # 丛书名 f.write(f%C 東京\n) # 出版社自动提取 publisher 防衛省防衛研究所 match re.search(r所蔵館([^]), 所蔵館請求番号) if match: publisher match.group(1) f.write(f%I {publisher}\n) # 年份明治、大正、昭和 统一转公历 year 不明 # 明治 1868年开始 meiji_match re.search(r明治(\d{1,2})年, 標題) if meiji_match: year str(1867 int(meiji_match.group(1))) # 大正 1912年开始 elif re.search(r大正(\d{1,2})年, 標題): taisho_match re.search(r大正(\d{1,2})年, 標題) year str(1911 int(taisho_match.group(1))) # 昭和 1926年开始 elif re.search(r昭和(\d{1,2})年, 標題): showa_match re.search(r昭和(\d{1,2})年, 標題) year str(1925 int(showa_match.group(1))) f.write(f%D {year}\n) # 卷号 vol vol_match re.search(r第(\d)[巻号], 標題) if vol_match: vol vol_match.group(1) if vol: f.write(f%V {vol}\n) f.write(f%P {画像数}\n) # 页数 # 摘要 摘要 f参考代码: {レファレンスコード} | 馆藏号: {所蔵館請求番号} | 图片数: {画像数} f.write(f%X {摘要}\n) f.write(% \n) # ISBN f.write(%U \n) # URL # 关键词 keywords 階層.replace(, ; ) f.write(f%K {keywords}\n) f.write(\n) # 文献分隔 print(✅ 转换完成) print(f 生成文件{output_path}) print(f 共处理{len(df)} 条文献) # 直接运行 if __name__ __main__: csv_to_noteexpress()可以生成NoteExpress可以输入的形式。即可完成。