這是我的代碼。到目前為止，它會將 pdf 的所有內(nèi)容打印到 pages 變量。但是，我似乎無法返回相同的提取文本。我一直在通過從隨機 pdf 中提取信息并將其放在我正在調(diào)用的文件夾中來測試它。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1848條經(jīng)驗 獲得超2個贊
打印文本將允許最后一個 for 循環(huán)迭代（使用您提到的“打?。撁妫保Ｈ欢?，返回頁面將終止正在運行的循環(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
0/150
提交
取消