基于PyPDF2 版本 3.0.0,用python3.11写一个脚本,在windows系统中根据关键字实现遍历某文件夹下所有pdf文档,找到pdf文档中包含关键字的文件名称、页码,写入word文档。代码中不要使用 PdfFileReader

时间: 2024-02-05 17:11:45 浏览: 30
好的,以下是基于 PyPDF2 版本 3.0.0 的代码实现: ```python import os import re import docx # 定义要搜索的文件夹路径和关键字 folder_path = r"C:\Users\user\Desktop\pdf_files" keyword = "Python" # 定义要保存的Word文档名称 doc_name = "search_result.docx" # 创建Word文档对象 doc = docx.Document() # 遍历文件夹下所有PDF文档 for file_name in os.listdir(folder_path): if file_name.endswith(".pdf"): file_path = os.path.join(folder_path, file_name) with open(file_path, 'rb') as f: # 读取PDF文件内容 pdf_contents = f.read().decode('utf-8', 'ignore') # 查找关键字出现的页码 pattern = re.compile(r'\b{}\b'.format(keyword), re.IGNORECASE) page_numbers = [str(page.start()+1) for page in re.finditer(pattern, pdf_contents)] if page_numbers: # 将结果写入Word文档 doc.add_paragraph(file_name) doc.add_paragraph("关键字出现页码:" + ", ".join(page_numbers)) doc.add_page_break() # 保存Word文档 doc.save(doc_name) print("搜索完成!") ``` 解释一下代码: 1. 首先定义了要搜索的文件夹路径和关键字。 2. 接着定义了要保存的Word文档名称,并创建了Word文档对象。 3. 然后使用 `os.listdir` 方法遍历文件夹下所有PDF文档。 4. 对于每个PDF文档,打开并读取其内容。这里使用了 `rb` 模式打开文件,并使用 `decode` 方法将其内容解码为字符串。 5. 使用正则表达式查找关键字出现的页码。这里使用了 `\b` 匹配单词边界,`re.IGNORECASE` 不区分大小写。 6. 如果找到了关键字,就将结果写入Word文档中。使用 `doc.add_paragraph` 方法添加段落,`doc.add_page_break` 方法添加分页符。 7. 最后保存Word文档,并输出一条搜索完成的提示信息。 需要注意的是,这里的代码没有使用 PdfFileReader,而是直接读取了PDF文件的内容。这种方法虽然简单,但可能无法处理一些特殊的PDF文件。如果遇到这种情况,可以考虑使用 PdfFileReader 来读取PDF文件,并按页读取内容。

相关推荐

最新推荐

recommend-type

window10搭建pyspark(基于spark-3.0.0-bin-hadoop2).docx

window10搭建pyspark的两种方法(基于spark-3.0.0-bin-hadoop2) 方法一: 最最简便的方法就是直接pip install pyspark 如果安装出现timeout,可以下载pyspark-3.0.0.tar,然后离线安装 方法:cd进入pyspark-3.0.0....
recommend-type

grpcio-1.47.0-cp310-cp310-linux_armv7l.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

小程序项目源码-美容预约小程序.zip

小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序小程序项目源码-美容预约小程序v
recommend-type

MobaXterm 工具

MobaXterm 工具
recommend-type

grpcio-1.48.0-cp37-cp37m-linux_armv7l.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。