PDF Metadata Enhancer

Bibliografische Metadaten in PDFs einbetten

Autor:in

Zugehörigkeit

Moritz Mähr

Universität Basel

PDF Metadata Enhancer

Der pdf-metadata-enhancer ist ein Python-Kommandozeilenwerkzeug, das kanonische bibliografische Metadaten aus DOIs abruft und in PDF-Dateien einbettet. Die Metadaten werden per DOI Content Negotiation (CSL-JSON) bezogen und sowohl in das PDF-InfoDict als auch in XMP-Felder (Dublin Core) geschrieben.

Damit tragen die PDFs der Projektpublikationen ihre bibliografischen Angaben – Titel, Autor:innen, DOI, Lizenz – dauerhaft in sich selbst. Das verbessert die Auffindbarkeit und maschinelle Nachnutzbarkeit und unterstützt die Langzeitarchivierung sowie die Barrierefreiheit der digitalen Angebote von Stadt.Geschichte.Basel.

Funktionen

• DOI-Metadatenabruf: Automatischer Bezug der Metadaten per HTTP Content Negotiation (CSL-JSON)
• PDF-Anreicherung: Einbettung in PDF-InfoDict und XMP (Dublin Core)
• Flexible Eingabe: Unterstützt Mapping-Dateien in CSV, TSV und JSONL
• Provenienz-Nachverfolgung: JSON-Sidecar-Dateien mit SHA256-Prüfsummen und vollständigen Metadaten
• Stapelverarbeitung: Verarbeitung mehrerer PDFs in einem Durchlauf

Anwendung

Das Werkzeug wird mit uv installiert und über eine Mapping-Datei gesteuert, die PDF-Pfade DOIs zuordnet:

echo "pdf,doi" > mapping.csv
echo "./document.pdf,10.21255/sgb-01-406352" >> mapping.csv
uv run pdf-metadata-enhancer ingest --input mapping.csv --out-dir output/ --verbose

Lizenz

Der Code steht unter der AGPL-3.0-Lizenz.