python写一个检索pdf文件中某个词语出现次数的程序

实现该功能的一种方法是使用 PyPDF2 模块来读取 PDF 文件，并使用正则表达式来在文本中查找目标词语。下面是一个示例代码：

import PyPDF2
import re

def count_occurrences(file_name, target_word):
    # 打开 PDF 文件
    with open(file_name, 'rb') as pdf_file:
        # 使用 PyPDF2 的 PdfFileReader 类来读取文件内容
        pdf_reader = PyPDF2.PdfFileReader(pdf_file)
        # 将每一页的文本内容合并成一个字符串
        text = ''
        for page in range(pdf_reader.getNumPages()):
            text += pdf_reader.getPage(page).extractText()
        # 使用正则表达式在文本中查找目标词语，并统计出现次数
        pattern = re.compile(target_word, re.IGNORECASE)
        count = len(re.findall(pattern, text))
        # 返回出现次数
        return count

# 示例用法: 统计 example.pdf 文件中 "Python" 出现的次数
count = count_occurrences('example.pdf', 'Python')
print(count)  # 输出结果为整数值

上述代码中的 `count_occurrences()` 函数用于统计 PDF 文件中某个词语出现的次数。该函数需要两个参数：文件名和目标词语。它通过读取 PDF 文件并将每一页的文本内容合并成一个字符串，在该字符串中查找目标词语，并对所有匹配项进行计数，最后返回计数结果。

注意，正则表达式中的 `re.IGNORECASE` 标志被用于忽略目标词语的大小写。如果目标词语是一个正则表达式，需要注意转义字符的使用。如果文件中包含图像或非文本内容，它们将被忽略并不会被计算在内。