AI办公自动化:kimi批量搜索提取PDF文档中特定文本内容

工作任务:PDF文档中有资料来源这一行,比如:

资料来源:moomoo tech、The Information、Bloomberg、Reuters,浙商证券研究所

数据来源:CSDN、浙商证券研究所

数据来源:CSDN、arXiv、浙商证券研究所

数据来源:秘塔AI搜索官网,Similarweb,Epic Connector,东吴证券研究所

来源:Github,《面向深度学习的多模态融合技术研究综述》,《Make-a-video: text-to-video generation without text-video data》,浙商证券研究所

来源:Github,OSCHINA,浙商证券研究所

希望提取文件中几百个PDF文档中的资料来源

在kimi中输入提示词:

你是一个Python编程专家,完成一个脚本编写任务,具体步骤如下:

打开文件夹:F:\研报下载\AIGC研报;

用pdfplumber 库读取文件夹中所有的PDF文件;

遍历PDF文档中的每行文本,查找以"资料来源:"开头、以"数据来源:"开头和以"来源:"开头的这一行文本内容;

保存这些文本内容到文件夹"F:\AI自媒体内容\AI行业数据分析"下的Excel文件中;

注意:

每一步都要输出信息

处理异常和错误:确保你的代码能够处理可能遇到的异常,如文件损坏、权限问题或格式不一致等。

Kimi生成的源代码:

import os

import re

import pdfplumber

from openpyxl import Workbook

定义要搜索的关键词

keywords = ["资料来源:", "数据来源:", "来源:"]

定义源文件夹和目标文件夹路径

source_folder = r'F:\研报下载\AIGC研报'

target_folder = r'F:\AI自媒体内容\AI行业数据分析'

确保目标文件夹存在

os.makedirs(target_folder, exist_ok=True)

创建Excel工作簿

workbook = Workbook()

sheet = workbook.active

遍历源文件夹中的所有文件

for filename in os.listdir(source_folder):

if filename.endswith('.pdf'):

print(f"正在处理文件:{filename}")

构建完整的文件路径

file_path = os.path.join(source_folder, filename)

try:

使用pdfplumber打开PDF文件

with pdfplumber.open(file_path) as pdf:

遍历PDF文档中的每页

for page in pdf.pages:

text = page.extract_text()

使用正则表达式搜索关键词

for keyword in keywords:

pattern = re.compile(re.escape(keyword) + ".*")

matches = pattern.findall(text)

for match in matches:

print(f"找到匹配的文本:{match}")

将找到的文本写入Excel

sheet.append([match])

except Exception as e:

print(f"处理文件{filename}时发生错误:{e}")

保存Excel文件

excel_file_path = os.path.join(target_folder, 'AI_Industry_Analysis.xlsx')

workbook.save(excel_file_path)

print(f"所有数据已保存到:{excel_file_path}")

相关推荐
weixin_433417674 分钟前
PyTorch&TensorFlow
人工智能·pytorch·tensorflow
XZSSWJS10 分钟前
深度学习基础-Chapter 02-Softmax与交叉熵
人工智能·深度学习
牟同學15 分钟前
从赌场到AI:期望值如何用C++改变世界?
c++·人工智能·概率论
听风吹等浪起22 分钟前
分类算法-逻辑回归
人工智能·算法·机器学习
许泽宇的技术分享36 分钟前
让AI说“人话“:TypeChat.NET如何用强类型驯服大语言模型的“野性“
人工智能
IT_陈寒1 小时前
Python性能优化:用这5个鲜为人知的内置函数让你的代码提速50%
前端·人工智能·后端
亚马逊云开发者1 小时前
使用大模型技术构建机票分销领域人工智能客服助手
人工智能
机器学习之心1 小时前
一个基于自适应图卷积神经微分方程(AGCNDE)的时空序列预测Matlab实现。这个模型结合了图卷积网络和神经微分方程,能够有效捕捉时空数据的动态演化规律
人工智能·深度学习·matlab·时空序列预测
视觉语言导航1 小时前
ICRA-2025 | 机器人具身探索导航新策略!CTSAC:基于课程学习Transformer SAC算法的目标导向机器人探索
人工智能·机器人·具身智能
秋雨qy1 小时前
仿真软件-多机器人2
人工智能·机器人