import osimport reimport openpyxlfrom PyPDF2 import PdfFileReader# 定义正则表达式匹配参考文献ref_pattern = re.compile(r"\d+\.[\s\S]*?\n\n")# 定义文件夹路径和Excel文件名folder_path = "your_folder_path"excel_file = "references.xlsx"# 创建Excel文件workbook = openpyxl.Workbook()worksheet = workbook.activeworksheet.title = "References"worksheet.append(["文件名", "参考文献"])# 遍历文件夹中的PDF文件for filename in os.listdir(folder_path): if filename.endswith(".pdf"): file_path = os.path.join(folder_path, filename) pdf = PdfFileReader(open(file_path, "rb")) # 遍历PDF中的页面 for i in range(pdf.getNumPages()): page = pdf.getPage(i) content = page.extractText() # 查找参考文献 refs = ref_pattern.findall(content) if refs: for ref in refs: worksheet.append([filename, ref])# 保存Excel文件workbook.save(excel_file) 这一段代码运行不出结果是为什么呢
时间: 2024-02-23 14:59:51 浏览: 20
这段代码没有导入 `openpyxl` 库,需要在开头添加 `import openpyxl`,否则会报错。
另外,需要注意 `openpyxl` 库的使用,需要先创建一个 `Workbook`,然后获取其 `active` 的 `worksheet`,才能往里面添加数据。在这段代码中,需要添加以下几行代码来创建和获取 `worksheet`:
```
workbook = openpyxl.Workbook()
worksheet = workbook.active
worksheet.title = "References"
worksheet.append(["文件名", "参考文献"])
```
最后,需要将 `os`、`re` 和 `openpyxl` 模块导入的语句分别独立成一行,否则代码会报语法错误。
相关问题
pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') # 定义正则表达式匹配模式 string_data = re.sub(pattern, '', string_data) # 将符合模式的字符去除
你的问题是关于如何使用正则表达式模式来去除字符串中的特定字符。在你的代码中,你定义了一个正则表达式模式,其中包含了一些特殊字符,例如制表符、换行符、句号、连字符、冒号、分号、括号、问号和双引号。然后,你使用 re.sub() 函数将符合该模式的字符替换为空字符串。
这个方法可以帮助你去除字符串中的特定字符。你可以将你想去除的字符添加到正则表达式模式中,然后使用 re.sub() 函数进行替换。注意,正则表达式中的一些特殊字符需要进行转义,例如句号、连字符和括号。
如果你有任何进一步的问题,请随时提问。
下面代码中最后得到的结果是把所有中文都分成了一个个字,但是我想要的是词import re import jieba text = "这是一段中文文本,Hello World!" words = jieba.cut(text) # 正则表达式匹配中文字符 chinese_pattern = re.compile(r'[\u4e00-\u9fa5]') # 过滤出所有中文字符 chinese_chars = [char for char in ''.join(words) if chinese_pattern.match(char)] print(chinese_chars) # ['这', '是', '一', '段', '中', '文', '文', '本']
你可以使用jieba的精确模式来分词,然后再过滤出中文词语。修改代码如下:
```python
import re
import jieba
text = "这是一段中文文本,Hello World!"
words = jieba.lcut(text, cut_all=False) # 使用精确模式分词
chinese_pattern = re.compile(r'[\u4e00-\u9fa5]+') # 匹配中文词语
chinese_words = [word for word in words if chinese_pattern.match(word)]
print(chinese_words)
# ['这是', '一段', '中文', '文本']
```
这段代码会先使用jieba的精确模式分词,得到一个词语列表。然后使用正则表达式匹配中文词语,最后过滤出所有中文词语。