【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】<==

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：

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。