用PyMuPDF 库写一个对pdf进行文本搜索的代码

当然可以。PyMuPDF是一个用于处理PDF文档的Python库，它提供了一种简单的方式来读取、修改和操作PDF文件。下面是一个简单的例子，展示如何使用PyMuPDF进行PDF文本搜索：

from PyPDF2 import PdfFileReader

def search_pdf(pdf_path, keyword):
    # 打开PDF文件
    with open(pdf_path, 'rb') as file:
        pdf = PdfFileReader(file)

    # 获取PDF总页数
    num_pages = pdf.getNumPages()

    # 遍历每一页
    for page_num in range(num_pages):
        # 获取页面文本
        text = pdf.getPage(page_num).extractText()
        
        # 搜索关键词
        if keyword in text:
            print(f"找到关键词'{keyword}'在第{page_num + 1}页")

# 使用函数
search_pdf('example.pdf', '搜索关键字')

这个代码会打开指定的PDF文件，逐页提取文本内容，并查找是否包含给定的关键词。如果找到，它将打印出关键词所在的页码。

相关问题

我想用python的PyMuPDF库对"D:\点宽学院"下所有的PDF文件内容进行文本分割，想打印出分割的内容

可以使用 PyMuPDF 库的 `fitz` 模块来实现对 PDF 文件的文本分割。具体步骤如下：

1. 导入 `fitz` 模块和 `os` 模块。
2. 枚举指定文件夹下所有的 PDF 文件路径。
3. 遍历每个 PDF 文件，使用 `fitz` 模块打开该 PDF 文件，并获取该文件中所有页面的文本内容。
4. 对于每个页面的文本内容，使用正则表达式将其按照一定规则进行分割，并打印出分割后的内容。

参考代码如下：

import fitz
import os
import re

# 枚举指定文件夹下所有的 PDF 文件路径
pdf_dir = r"D:\点宽学院"
pdf_files = [os.path.join(pdf_dir, f) for f in os.listdir(pdf_dir) if f.endswith(".pdf")]

# 遍历每个 PDF 文件
for pdf_file in pdf_files:
    # 使用 fitz 模块打开该 PDF 文件，并获取该文件中所有页面的文本内容
    with fitz.open(pdf_file) as doc:
        for page in doc:
            text = page.get_text()
            # 对于每个页面的文本内容，使用正则表达式将其按照一定规则进行分割，并打印出分割后的内容
            for part in re.split(r"\n\n+", text):
                print(part)

在上述代码中，我使用了正则表达式 `r"\n\n+"` 将每个页面的文本内容按照连续两个及以上的空行进行分割。你可以根据实际需要修改这个正则表达式来实现更精确的分割。

我想用python的PyMuPDF库对"D:\点宽学院"下所有的PDF文件内容用中文句号进行文本分割，想打印出分割的内容

可以按照以下步骤进行操作：

1. 安装 PyMuPDF 库：在命令行中输入 `pip install PyMuPDF`，等待安装完成。

2. 编写代码：

import fitz
import os

dir_path = r"D:\点宽学院"

# 遍历文件夹下所有PDF文件
for root, dirs, files in os.walk(dir_path):
    for file in files:
        if file.endswith(".pdf"):
            pdf_path = os.path.join(root, file)
            # 打开PDF文件
            doc = fitz.open(pdf_path)
            for page in doc:
                # 获取每一页的文本内容
                text = page.getText()
                # 用中文句号进行文本分割
                text_list = text.split("。")
                # 打印分割后的内容
                for t in text_list:
                    print(t)
            # 关闭PDF文件
            doc.close()

3. 运行代码：在命令行中进入代码所在的目录，输入 `python 文件名.py`，等待程序运行完成。

运行完成后，会将每个 PDF 文件的每一页内容用中文句号进行分割，并打印出分割后的内容。如果需要将结果保存到文件中，可以使用文件操作相关的函数，将打印出的内容写入到文件中。