【Python 常用脚本及命令系列 7 -- pdf 文件字符搜索 python脚本实现】

==> 请阅读嵌入式及芯片开发学必备专栏】<==


文章目录

    • [pdf 文件字符搜索 python脚本实现](#pdf 文件字符搜索 python脚本实现)

pdf 文件字符搜索 python脚本实现

要实现一个 Python 脚本来在指定目录中搜索 PDF 文件中的关键字,可以使用 PyPDF2 库来读取 PDF 文本,并结合 os 库来遍历文件系统。以下是一个简单的脚本示例:

python 复制代码
import os
import PyPDF2
def search_keyword_in_pdfs(directory, keyword):
    # 遍历指定目录及子目录下的所有文件
    for root, _, files in os.walk(directory):
        for file in files:
            if file.endswith('.pdf'):
                file_path = os.path.join(root, file)
                try:
                    # 打开 PDF 文件
                    with open(file_path, 'rb') as pdf_file:
                        pdf_reader = PyPDF2.PdfReader(pdf_file)
                        # 遍历每一页并搜索关键字
                        for page in pdf_reader.pages:
                            text = page.extract_text()
                            if text and keyword.lower() in text.lower():
                                print(f"Keyword '{keyword}' found in: {file_path}")
                                break  # 如果找到关键字,跳出当前文件的搜索
                except Exception as e:
                    print(f"Error reading {file_path}: {e}")
# 指定目录和关键字
search_directory = 'd:/work/'
search_keyword = 'hello'
# 调用搜索函数
search_keyword_in_pdfs(search_directory, search_keyword)

说明

  1. 导入库
    • os:用于遍历目录结构。
    • PyPDF2:用于处理 PDF 文件。
  2. search_keyword_in_pdfs 函数
    • 使用 os.walk() 递归遍历指定目录及其子目录。
    • 过滤出所有扩展名为 .pdf 的文件。
    • 打开每个 PDF 文件,并使用 PyPDF2 读取每一页的文本。
    • 搜索关键字(大小写不敏感),如果找到则打印文件路径。
  3. 注意事项
    • 确保已安装 PyPDF2 库,可以通过 pip install PyPDF2 安装。
    • 脚本假定目录路径为 Windows 风格,请根据需要调整路径。
    • PyPDF2 可能对某些复杂的 PDF 格式解析不完全,遇到问题时需要进行错误处理(如上示例中的异常处理)。

请根据具体需要调整脚本,比如处理特殊字符或不同的编码格式。

相关推荐
亿牛云爬虫专家3 小时前
Kubernetes下的分布式采集系统设计与实战:趋势监测失效引发的架构进化
分布式·python·架构·kubernetes·爬虫代理·监测·采集
iCxhust5 小时前
c# U盘映像生成工具
开发语言·单片机·c#
yangzhi_emo5 小时前
ES6笔记2
开发语言·前端·javascript
emplace_back6 小时前
C# 集合表达式和展开运算符 (..) 详解
开发语言·windows·c#
jz_ddk6 小时前
[学习] C语言数学库函数背后的故事:`double erf(double x)`
c语言·开发语言·学习
萧曵 丶7 小时前
Rust 所有权系统:深入浅出指南
开发语言·后端·rust
xiaolang_8616_wjl7 小时前
c++文字游戏_闯关打怪2.0(开源)
开发语言·c++·开源
收破烂的小熊猫~7 小时前
《Java修仙传:从凡胎到码帝》第四章:设计模式破万法
java·开发语言·设计模式
蹦蹦跳跳真可爱5897 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉