[已解决]帮我看看这个错那？

ssqchina

运行没反应 没错误提示 但是没转换

import pdfplumber
def pdf2txt(file_name):
    p = pdfplumber.open(file_name + ".pdf")
    page_num = len(p.pages)
    with pdfplumber.open(file_name + ".pdf") as pdf:
        for i in range(page_num):
            page = pdf.pages[i]
            text = page.extract_text()
            if text != None:
                with open(file_name + ".txt", "a", encoding = "utf-8") as f:
                f.write(text)
                print(file_name+' '+str(i+1)+'/'+str(page_num)+' 页读写完成', end='\r')

    file_name = r'f:\\123'
    pdf2txt(file_name)

最佳答案

月排行榜 / 总排行榜

isdkz

2023-7-18 15:08:51

在你的代码中，我没有看到显著的错误。问题可能出在你所处理的PDF文件上，可能是你的PDF文档没有包含可提取的文本，而是包含图片或扫描件。这时， pdfplumber  的  extract_text()  方法将返回  None 。

在你的代码中，你对每一页文本做了  None  检查。如果所有页面的文本都是  None ，你的代码将不会写入任何东西到文本文件，同时也没有任何错误提示。

为了解决这个问题，你可以在 extract_text() 返回 None 时，打印出一些警告信息。这样你可以知道PDF文档中是否存在可提取的文本。

这是修改后的代码：

1. import pdfplumber
3. def pdf2txt(file_name):
4.     with pdfplumber.open(file_name + ".pdf") as pdf:
5.         page_num = len(pdf.pages)
6.         for i in range(page_num):
7.             page = pdf.pages[ i]
8.             text = page.extract_text()
9.             if text != None:
10.                 with open(file_name + ".txt", "a", encoding = "utf-8") as f:
11.                     f.write(text)
12.                     print(file_name+' '+str(i+1)+'/'+str(page_num)+' 页读写完成', end='\r')
13.             else:
14.                 print(f"警告：第 {i+1} 页没有找到可提取的文本.")
16. file_name = r'f:\\123'
17. pdf2txt(file_name)

复制代码

在此修改的代码中，我增加了一个else分支，如果  extract_text()  返回  None ，则会打印出警告信息。

请注意，如果你的PDF文件实际上包含的是图像，那么你需要使用OCR（光学字符识别）技术来从图像中提取文本。 pdfplumber  库本身并不包含OCR功能，但它可以与其他具有OCR功能的库（如  pytesseract ）一起使用。

跳转到最佳答案楼层

陶远航

这段代码可能出现了几个问题导致没有产生预期的输出或错误提示。

1. 首先，你提到你想使用pdfplumber库进行PDF文件转换，但是在代码中没有看到你导入该库的语句。你需要在代码开头添加import pdfplumber语句，以便正确导入该库。

2. 其次，在函数pdf2txt中，你使用了变量p来打开PDF文件，但之后并没有使用它进行后续操作。这可能导致没有正确提取文本内容。你可以尝试删除这部分代码，因为已经在之后使用了pdfplumber.open(file_name + ".pdf")来打开PDF文件。

3. 另外，在对每个页面进行文本提取时，你使用了page.extract_text()来获取文本内容，这是正确的。但是需要注意的是，有些页面可能无法提取到文本，返回的结果是None。所以在判断文本内容时，建议使用if text is not None:来检查条件。

4. 最后，print语句中的end='\r'参数表示不换行输出，但这在某些环境下可能不起作用。你可以尝试将其改为end='\n'，以确保输出换行。

请按照上述建议修改你的代码，并检查是否仍然存在其他问题。如果需要进一步帮助，请提供更详细的错误信息或代码上下文。

isdkz

在你的代码中，我没有看到显著的错误。问题可能出在你所处理的PDF文件上，可能是你的PDF文档没有包含可提取的文本，而是包含图片或扫描件。这时， pdfplumber  的  extract_text()  方法将返回  None 。

在你的代码中，你对每一页文本做了  None  检查。如果所有页面的文本都是  None ，你的代码将不会写入任何东西到文本文件，同时也没有任何错误提示。

为了解决这个问题，你可以在 extract_text() 返回 None 时，打印出一些警告信息。这样你可以知道PDF文档中是否存在可提取的文本。

这是修改后的代码：

1. import pdfplumber
3. def pdf2txt(file_name):
4.     with pdfplumber.open(file_name + ".pdf") as pdf:
5.         page_num = len(pdf.pages)
6.         for i in range(page_num):
7.             page = pdf.pages[ i]
8.             text = page.extract_text()
9.             if text != None:
10.                 with open(file_name + ".txt", "a", encoding = "utf-8") as f:
11.                     f.write(text)
12.                     print(file_name+' '+str(i+1)+'/'+str(page_num)+' 页读写完成', end='\r')
13.             else:
14.                 print(f"警告：第 {i+1} 页没有找到可提取的文本.")
16. file_name = r'f:\\123'
17. pdf2txt(file_name)

复制代码

在此修改的代码中，我增加了一个else分支，如果  extract_text()  返回  None ，则会打印出警告信息。

请注意，如果你的PDF文件实际上包含的是图像，那么你需要使用OCR（光学字符识别）技术来从图像中提取文本。 pdfplumber  库本身并不包含OCR功能，但它可以与其他具有OCR功能的库（如  pytesseract ）一起使用。

isdkz

你的pdf会不会是纯图片pdf？

ssqchina

isdkz 发表于 2023-7-18 15:25
你的pdf会不会是纯图片pdf？

应该是的 里面的文字搜索不出来 这个要怎么改？

isdkz

ssqchina 发表于 2023-7-18 15:51
应该是的 里面的文字搜索不出来 这个要怎么改？

如果是纯图片pdf那指定是读不出文字的，图片只能用ocr