温馨提示×

怎么用python爬取pdf指定内容

小亿
258
2023-12-13 11:18:27
栏目: 编程语言

要用Python爬取PDF指定内容,可以使用第三方库PyPDF2。首先,确保已经安装了该库,可以使用pip命令进行安装:

pip install PyPDF2

然后,可以使用下面的代码来实现爬取指定内容的功能:

import PyPDF2

def search_pdf(file_path, keyword):
    with open(file_path, 'rb') as file:
        reader = PyPDF2.PdfFileReader(file)
        num_pages = reader.numPages

        for page_num in range(num_pages):
            page = reader.getPage(page_num)
            text = page.extract_text()

            if keyword in text:
                print(f"Page {page_num + 1}: {text}")

# 示例使用
search_pdf('example.pdf', '指定内容')

上述代码定义了一个search_pdf函数,接受两个参数:file_path代表PDF文件的路径,keyword代表要搜索的关键词。函数会打开PDF文件,逐页读取并提取文本内容,然后判断关键词是否在文本中,如果存在则打印该页的内容。

你需要将'example.pdf'替换为你要爬取的PDF文件的路径,'指定内容'替换为你要搜索的具体内容。运行代码后,会输出包含指定内容的页码和内容。

0