這是我的代碼。到目前為止，它會(huì)將 pdf 的所有內(nèi)容打印到 pages 變量。但是，我似乎無(wú)法返回相同的提取文本。我一直在通過從隨機(jī) pdf 中提取信息并將其放在我正在調(diào)用的文件夾中來測(cè)試它。如何讓它以與打印文本相同的方式返回提取的文本？import osimport PyPDF2 as pdfimport pandas as pddef scan_files(root): for path, subdirs, files in os.walk(root): for name in files: if name.endswith('.pdf'): #print(name) pdf = PyPDF2.PdfFileReader(os.path.join(path,name)) numPages = pdf.getNumPages() for p in range(0, numPages): pages = '' page = pdf.getPage(p) pages += page.extractText() pages = pages.replace('\n', '') #print(pages) return pages
1 回答
慕尼黑5688855
TA貢獻(xiàn)1848條經(jīng)驗(yàn) 獲得超2個(gè)贊
打印文本將允許最后一個(gè) for 循環(huán)迭代（使用您提到的“打?。?yè)面）”）。然而，返回頁(yè)面將終止正在運(yùn)行的循環(huán)，并吐出它到目前為止覆蓋的文本。嘗試使用類似的東西：
def scan_files(root):
pdftext = ''
for path, subdirs, files in os.walk(root):
for name in files:
if name.endswith('.pdf'):
#print(name)
pdf = PyPDF2.PdfFileReader(os.path.join(path,name))
numPages = pdf.getNumPages()
pages = ''
for p in range(0, numPages):
page = pdf.getPage(p)
pages += page.extractText()
pages = pages.replace('\n', '')
pdftext += pages
return pdftext
添加回答
舉報(bào)
0/150
提交
取消