python3用PyPDF2解析pdf文件,用正則匹配數(shù)據(jù)方式
更新時(shí)間：2020年05月12日 14:39:43 作者：零度愿望
這篇文章主要介紹了python3用PyPDF2解析pdf文件,用正則匹配數(shù)據(jù)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
我就廢話(huà)不多說(shuō)了，大家還是看代碼吧！
import PyPDF2
import re
pdf_file = open('xxx.pdf', mode='rb')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
# 獲取pdf文件的所有頁(yè)數(shù)
number_of_pages = read_pdf.getNumPages()
# print('total_page: ', number_of_pages)
line_list = []
# 循環(huán)遍歷每一頁(yè)
for i in range(0, number_of_pages):
# 讀取每一頁(yè)的內(nèi)容
page = read_pdf.getPage(i)
page_content = page.extractText()
# 將這一頁(yè)的內(nèi)容分割為列表，，并相加所有的頁(yè)面內(nèi)容
line_list += page_content.split()
# 關(guān)閉pdf文件
pdf_file.close()
line_buf = ''
for buf in line_list:
line_buf = line_buf+' '+buf
# 匹配數(shù)據(jù)：第一列和第二列 如：000069.sz 和 100
# print(line_buf)
a = re.findall('([0-9]+[0-9]+[0-9]+[0-9]+[0-9]+[0-9]+.[a-z]+[a-z])', line_buf)
b = re.findall('[0-9]+[0-9]+[0-9]+[0-9]+[0-9]+[0-9]+.[a-z]+[a-z].([0-9,]+)', line_buf)
# print(b)
for i in range(0, len(a)):
a[i] = a[i].upper()
for i in range(0, len(b)):
b[i] = int(b[i].replace(',', ''))
# print(b)
# 組成字典
results = dict(zip(a, b))
正則的其他用法：
fp = open(filename,"w")
fp.write(re.search('(StockDescription:)([a-zA-Z]+-[a-zA-Z]+)',line_buf).group(2) +',')
fp.write(time.strftime('%Y%m%d',time.strptime(re.search('(TradeDate:)([0-9]+[a-zA-Z]+[0-9]+)',line_buf).group(2),'%d%B%Y')) +',')
fp.write(re.search('(Price:[A-Z]+)([0-9.,]+)',line_buf).group(2).replace(',','')+',')
fp.close()
補(bǔ)充知識(shí)：Logger logger = Logger.getLogger(Class clazz)獲取不得的問(wèn)題
因?yàn)橛卸鄠€(gè)同名的Logger類(lèi)，在測(cè)試的時(shí)候沒(méi)注意就直接選了第一個(gè)，發(fā)現(xiàn)不能用，以為是JAR包的問(wèn)題，重新導(dǎo)一遍也不能，配置文件檢查過(guò)也不行，最后發(fā)現(xiàn)是類(lèi)用錯(cuò)了。
要打印日志用的是log4j包里的Logger類(lèi)
以上這篇python3用PyPDF2解析pdf文件,用正則匹配數(shù)據(jù)方式就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
詳解sklearn?Preprocessing?數(shù)據(jù)預(yù)處理功能
這篇文章主要介紹了sklearn?Preprocessing?數(shù)據(jù)預(yù)處理功能,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2023-08-08
使用python tkinter實(shí)現(xiàn)各種個(gè)樣的撩妹鼠標(biāo)拖尾效果
這篇文章主要介紹了使用python tkinter實(shí)現(xiàn)各種個(gè)樣的撩妹鼠標(biāo)拖尾效果,本文通過(guò)實(shí)例代碼，給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-09-09
Python基于最小二乘法實(shí)現(xiàn)曲線(xiàn)擬合示例
這篇文章主要介紹了Python基于最小二乘法實(shí)現(xiàn)曲線(xiàn)擬合,涉及Python基于numpy及scipy庫(kù)進(jìn)行曲線(xiàn)擬合操作相關(guān)運(yùn)算技巧,需要的朋友可以參考下2018-06-06
解決pyinstaller打包exe文件出現(xiàn)命令窗口一閃而過(guò)的問(wèn)題
今天小編就為大家分享一篇解決pyinstaller打包exe文件出現(xiàn)命令窗口一閃而過(guò)的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
Python設(shè)計(jì)模式結(jié)構(gòu)型享元模式
這篇文章主要介紹了Python享元模式,享元模式即Flyweight Pattern，指運(yùn)用共享技術(shù)有效地支持大量細(xì)粒度的對(duì)象,下面和小編一起進(jìn)入文章了解更多詳細(xì)內(nèi)容吧2022-02-02
這篇文章主要介紹了Python第三方庫(kù)Click的相關(guān)資料,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),感興趣的朋友一起看看吧2024-12-12
Python實(shí)現(xiàn)滑動(dòng)平均(Moving Average)的例子
今天小編就為大家分享一篇Python實(shí)現(xiàn)滑動(dòng)平均(Moving Average)的例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08
Python FastAPI 多參數(shù)傳遞的示例詳解
這篇文章主要介紹了Python FastAPI 多參數(shù)傳遞,FastAPI通過(guò)模板來(lái)匹配URL中的參數(shù)列表，大概分為三類(lèi)方式傳遞參數(shù)，每種方式結(jié)合示例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下2022-12-12
基于jupyter代碼無(wú)法在pycharm中運(yùn)行的解決方法
這篇文章主要介紹了基于jupyter代碼無(wú)法在pycharm中運(yùn)行的解決方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04
PyCharm是一款強(qiáng)大的Python編輯器,相信很多人都已經(jīng)用上了它,這篇文章主要給大家介紹了關(guān)于pycharm修改主題顏色和注釋顏色的相關(guān)資料,文中通過(guò)圖文介紹的非常詳細(xì),需要的朋友可以參考下2024-04-04