开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何使用re.search语法来匹配pdf文档中的关键字列表？

re.search语法是Python中的正则表达式模块re中的一个方法，用于在字符串中搜索匹配指定模式的内容。要使用re.search语法来匹配pdf文档中的关键字列表，可以按照以下步骤进行操作：

导入必要的模块：

import re
import PyPDF2

打开pdf文档：

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

这里使用了PyPDF2库来处理pdf文档，需要先安装该库。

定义关键字列表：

keywords = ['keyword1', 'keyword2', 'keyword3']

将需要匹配的关键字存储在一个列表中。

遍历pdf文档的每一页：

for page_num in range(pdf_reader.numPages):
    page = pdf_reader.getPage(page_num)
    page_text = page.extractText()

使用getPage方法获取每一页的内容，并使用extractText方法提取文本内容。

使用re.search语法匹配关键字：

for keyword in keywords:
    if re.search(keyword, page_text, re.IGNORECASE):
        print(f"关键字 {keyword} 在第 {page_num+1} 页中找到了。")

使用re.search方法在每一页的文本内容中搜索关键字，re.IGNORECASE参数表示忽略大小写。如果匹配成功，则打印出关键字在哪一页中找到。

完整代码示例：

import re
import PyPDF2

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

keywords = ['keyword1', 'keyword2', 'keyword3']

for page_num in range(pdf_reader.numPages):
    page = pdf_reader.getPage(page_num)
    page_text = page.extractText()

    for keyword in keywords:
        if re.search(keyword, page_text, re.IGNORECASE):
            print(f"关键字 {keyword} 在第 {page_num+1} 页中找到了。")

pdf_file.close()

注意：以上代码只是简单示例，实际应用中可能需要处理更复杂的pdf文档结构和内容提取方式。另外，关于pdf文档的处理和解析，还可以考虑使用其他专门的pdf处理库，如pdfminer、pdfplumber等。

相关搜索:Group by使用pymongo只返回mongodb中第一个匹配的文档，如何检索所有匹配的文档？使用“in”关键字匹配列表中的子字符串无法正常工作匹配列表中的关键字，然后使用regexp或其他？在数据帧的每一行中搜索时，如何从关键字列表中获取匹配的关键字？如何使用'toHaveClass‘来匹配Jest中的子字符串？如何使用find()返回具有匹配值列表的多个文档如何使用Flask来href python列表中的元素？如何使用Jsoup解析HTML文档中的“tagname”元素列表？如何使用mongoose聚合来根据字段获取两个匹配文档的总和如何使用pandas中的列与列列表和值列表之间的匹配来填充数据框？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

python基础-正则使用

re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None

02

Python3.8 特性介绍

Python3.8 已经发布了, 官方文档看这里 What’s New In Python 3.8.

01

NLP将迎来黄金十年，7个案例带你入门（附Python代码）

导读：近日，微软研究院发文称，NLP即将迎来“黄金十年”。他们认为，各领域对NLP的需求会大幅度上升，对NLP质量也提出更高要求。如果你想赶上这“黄金十年”，现在好好学习还来得及！

03

快速学习Lucene-Lucene实现全文检索的流程

对文档索引的过程，将用户要搜索的文档内容进行索引，索引存储在索引库（index）中。

03

Python之re模块

re模块在Python中想要使用正则表达式，就需要调用re模块来实现。在 re 模块下的常用方法: 调用时程序最上面需要写 import re 常用的几个关键字： findall ：re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。格式：re.findall(‘前面放要查找的内容’，‘这里放被查找的内容’) search ：re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。返

Python：正则表达式 re 模块

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回 None。

02

项目实战 | Python爬虫概述与实践（二）

《项目实战 | python爬虫概述及实践（一）》中介绍了网络爬虫的定义、分类和基本流程。

01

详解Python中的文本处理

如同大多数高级编程语言一样，变长字符串是 Python 中的基本类型。Python 在“后台”分配内存以保存字符串（或其它值），程序员不必为此操心。Python 还有一些其它高级语言没有的字符串处理功能。

01

python 笔记

教育版是free的。快捷键: Ctrl + Shift + F10 运行 Ctrl + / 行注释/取消行注释

01

程序员必备技巧：Github如何高效的搜索

Github作为全球程序员最大的技术网站，网站里面有很多高质量的开源框架，各种技术大佬混迹其中，有他们总结的学习教程，造好的轮子（开发的各种工具，技术框架、技术书籍等等），开源的项目等，我们能够从这些优秀的项目中借鉴学习，提升程序员的技能、节省开发时间等等。如何从如此多的内容中快速找到我们需要的项目呢？今天给大家分享我们使用Github过程中一些搜索技巧，希望对程序员朋友们能够提供一些帮助！

02

Python3 正则表达式特殊符号及用法.md

正则表达式（Regular expressions 也称为 REs,或 regexes 或 regex patterns）本质上是一个微小的且高度专业化的编程语言。它被嵌入到 Python 中并通过 re 模块提供给程序猿使用;而且Python 的正则表达式引擎是用 C 语言写的，所以效率是极高的。

02

Python3 正则表达式特殊符号及用法.md

正则表达式（Regular expressions 也称为 REs,或 regexes 或 regex patterns）本质上是一个微小的且高度专业化的编程语言。它被嵌入到 Python 中并通过 re 模块提供给程序猿使用;而且Python 的正则表达式引擎是用 C 语言写的，所以效率是极高的。

01

【Python】 "爬虫"出发前的装备之一正则表达式

如在一篇文章中查找出所有合法的电子邮箱地址，则可以先用正则表达式定义一个电子邮箱规则，然后再使用这个规则在整个字符串中查找。

03

正则表达式

正则表达式（简称为“regex”），允许用户使用他们能想到的、几乎任何类型的规则来搜索字符串。例如，查找字符串中的所有大写字母，或查找文档中的电话号码。

04

python 正则匹配的re.sear

影响'^'和'$'的行为，指定了以后，'^'会增加匹配每行的开始（也就是换行符后的位置）；'$'会增加匹配每行的结束（也就是换行符前的位置）。

02

Python正则表达式，这一篇就够了！

之前我们讲解了正则表达式的起源、发展、流派、语法、引擎、优化等相关知识，今天我们主要来学习一下正则表达式在 Python语言中的应用！

02

python 历险记(六）— pytho

刚接触正则表达式，我也曾被它们天书似的符号组合给吓住，但经过一段时间的深入学习，发现它并没有想象中那么可怕，只要多实践，多理解，也是可以轻松搞定的。而且我发现带着问题去学习，求知欲会驱使着你往前走，不知不觉就懂了。下面就是我在学习中提出的几个问题，在后面会依次进行讨论。由于正则表达式涉及到的内容确实非常多，分成两篇来阐述。

01

elasticsearch查询之全文检索

前言：全文检索是Elasticsearch提供的强大搜索引擎功能。可以实现对文本数据进行全面的搜索和匹配。全文检索是通过将查询词与文档中的文本内容进行匹配来实现的。

01

如何使用 Flupy 构建数据处理管道

经常使用 Linux 的同学，肯定对|这个符号不陌生，这个符号是 Linux 的管道符号，可以把左边的数据传递给右边。

02

两天研习Python基础（九）文本处理

字符转换例子: https://stackoverflow.com/questions/555705/character-translation-using-python-like-the-tr-command

01

Python3.8 新特性-很有用的呀

1、海象表达式****1 2、强制位置参数****2 3、增强型f-string****2 4、continue关键字的使用****3 5、as_integer_ratio()方法****3 6、其他新增语法特性****3 （1）添加 \N{name} 转义符在正则表达式中的支持: 3 （2）字典反向迭代 4 （3）函数关键字参数限制 4 （4） yield和return语法增强 4 （5）组合数据类型语法警告提示 4 （6）日期时间对象改进 5 （7） Ctrl-C终止程序的改进 5 （8）数据拷贝增强型语法 5 （9） pow()函数的改进 5 （10） mod()取模的改进 6 （11）字典推导式的改进 6 （12）字典数据执行顺序 6

03

Python正则表达式

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 None

00

Python玩转正则表达式，看完这篇你就会了?

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 就返回 None。

02

Python 正则表达式大全[通俗易懂]

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。

01

写爬虫，怎么可以不会正则呢？

很多人觉得正则很难，在我看来，这些人一定是没有用心。其实正则很简单，根据二八原则，我们只需要懂 20% 的内容就可以解决 80% 的问题了。我曾经有几年几乎每天都跟正则打交道，刚接手项目的时候我对正则也是一无所知，花半小时百度了一下，然后写了几个 demo，就开始正式接手了。三年多时间，我用到的正则鲜有超出我最初半小时百度到的知识的。

04

Lucene 入门教程

简单的说，搜索就是搜寻、查找，在IT行业中就是指用户输入关键字，通过相应的算法，查询并返回用户所需要的信息。

02

Scrapy的CrawlSpider用法

rules是一组Rule对象。每条Rule定义了抓取网页的方式。如果多条规则匹配到同一链接，根据定义规则的顺序，使用第一个链接。

03

正则表达式

很多人觉得正则很难，在我看来，这些人一定是没有用心。其实正则很简单，根据二八原则，我们只需要懂 20% 的内容就可以解决 80% 的问题了。我曾经有几年几乎每天都跟正则打交道，刚接手项目的时候我对正则也是一无所知，花半小时百度了一下，然后写了几个 demo，就开始正式接手了。三年多时间，我用到的正则鲜有超出我最初半小时百度到的知识的。

02

写爬虫，不会正则怎么行？

很多人觉得正则很难，在我看来，这些人一定是没有用心。其实正则很简单，根据二八原则，我们只需要懂 20% 的内容就可以解决 80% 的问题了。我曾经有几年几乎每天都跟正则打交道，刚接手项目的时候我对正则也是一无所知，花半小时百度了一下，然后写了几个 demo，就开始正式接手了。三年多时间，我用到的正则鲜有超出我最初半小时百度到的知识的。

01

Elasticsearch 6.x版本全文检索学习之Search API

方式一、GET /_search，对es中所有的数据进行查询。　　方式二、GET /my_index/_search，针对单个索引的数据进行查询。　　方式三、GET /my_index1,my_index2/_search，针对两个索引的数据进行查询。　　方式四、GET /my_*/_search，指定索引查询，可以一次查询多个。

03

Python 正则表达模块详解

正则表达式(Regluar Expressions)又称规则表达式,这个概念最初是由Unix中的工具软件(如sed 和 grep)普及开的,正则表达式在代码中常简写为RES,它本质上是一个小巧的、高度专用的编程语言,许多程序设计语言都支持通过正则表达式进行字符串操作,通俗的来讲,正则就是用一些具有特殊含义的符号组合到一起来描述字符或者字符串的方法,正则模块内嵌在Python中,并通过re模块实现,正则表达式模式被编译成一系列的字节码,然后由用C编写的匹配引擎执行.

02

python学习笔记（1）

1、变量名必须以字母或下划线开头，但以下划线开头的变量在Python中有特殊含义：

04

全文检索引擎Solr系列——入门篇

Solr采用Lucene搜索库为核心，提供全文索引和搜索开源企业平台，提供REST的HTTP/XML和JSON的API，如果你是Solr新手，那么就和我一起来入门吧！本教程以solr4.8作为测试环境，jdk版本需要1.7及以上版本。

01

python 正则表达式匹配数字或者小数点_五位小数正则表达式

正则表达式是用字符串表示的一种语法，用于描述一种字符串匹配的模式。正则表达式中大多数字符的含义是通用的，比如符号 ^ 和 $ 在绝大多数语言的正则表达式中都表示行头和行尾；但也可能在某些语法上存在差异，这需要依据特定语言而定。

01

《最新出炉》系列入门篇-Python+Playwright自动化测试-52- 字符串操作 - 下篇

在日常的自动化测试工作中进行断言的时候，我们可能经常遇到的场景。从一个字符串中找出一组数字或者其中的某些关键字，而不是将这一串字符串作为结果进行断言。这个时候就需要我们对字符串进行操作，宏哥这里介绍两种方法：正则和字符串切片函数split()。

02

Python 办公小助手：修改 PDF 中的表格

日常工作中，我们或多或少都会接触到 Excel 表格、Word 文档和 PDF 文件。偶尔来个处理文件的任务，几个快捷键操作一下——搞定！但是，偏偏有些烦人的工作，操作繁琐且数据复杂，更要命的是耗时间，吭哧吭哧一下午却难出几个成果。

02

python进阶(20) 正则表达式的超详细使用[通俗易懂]

正则表达式(Regular Expression,在代码中常简写为regex、 regexp、RE 或re)是预先定义好的一个“规则字符率”,通过这个“规则字符串”可以匹配、查找和替换那些符合“规则”的文本。虽然文本的查找和替換功能可通过字符串提供的方法实现,但是实现起来极为困难,而且运算效率也很低。而使用正则表达式实现这些功能会比较简单,而且效率很高,唯一的困难之处在于编写合适的正则表达式。 Python 中正则表达式应用非常广泛,如数据挖掘、数据分析、网络爬虫、输入有效性验证等,Python 也提供了利用正则表达式实现文本的匹配、查找和替换等操作的 re 模块。

03

python（3）模块、函数式、三元运

函数的默认参数：定义默认参数，如果下面调用函数时不指定参数，默认就是这个参数，默认参数可以无限定义

02

Python学习笔记_Day08

OOP：面向对象的编程在python中，一切皆对象对象有属性：数据属性（变量），函数属性（方法） OOP编程时，需要把某些事物找出它们的共性，抽象成一个类class 在具体应用时，再根据类创建实例类名建议使用驼峰的形式，如MyClass class GameRole: def __init__(self, nm, wp): self.name = nm self.weapon = wp if __name__ == '__main__': lb = Ga

03

【珍藏版】长文详解python正则表达式

想要使用python的正则表达式功能就需要调用re模块，re模块为高级字符串处理提供了正则表达式工具。模块中提供了不少有用的函数，比如：compile函数、match函数、search函数、findall函数、finditer函数、split函数、sub函数、subn函数等。接下来本文将会介绍这些函数的使用情况，然后通过分析编译流程对比两种re模块的调用方式，之后会介绍其他一些应用正则表达式需要知道的理论知识，最后通过一些经典的实例将之前学习的理论应用于实际。让我们开始正则表达式的学习之旅吧~~~

02

python3用PyPDF2解析pdf文件,用正则匹配数据方式

补充知识：Logger logger = Logger.getLogger(Class clazz)获取不得的问题

03

笔记·正则表达式和re库

提示：本页面转载内容过多，所使用的参考资料全部放在最后一章中本页面的内容不会获得任何收益，同样本页面的内容也不会发送到任何第三方平台中，White_mu收集此页面的内容仅仅是便于自己学习，如果这触碰了您的利益，请您联系我们：WhitemuTeam@outlook.com

03

【从零学习python 】62. Python正则表达式：强大的字符串匹配工具

正则表达式是一个特殊的字符序列，计算机科学的一个概念。通常被用来检索、替换那些符合某个模式(规则)的文本。

01

在python中使用正则表达式

所以为了避免这个情况，墙裂推荐使用原生字符串类型(raw string)来书写正则表达式。

01

一个文本按指定字符分割成多个文本

今天师兄扔给我一个txt，说：“来，小郭，你把这个文本处理一下，按照指定字符分割成多个文本。”这下可难倒我了，不过好在功夫不负有心人，几经周折之后把它完成了。

03

Python 【基础常识概念】

下面再来看一个例子，例3中同一类型下的a和b的（a==b）都是为True，而（a is b）则不然。

03

Python RE 正则表达式模块

匹配任意一个字符(.) 默认匹配除\n之外的任意一个字符,若指定flag=DOTALL则匹配包括换行在内的字符.

02

python 菜鸟教程正则_华为mate30好用不

关于正则语法表，别想其他的都背过就行了。不管你是python还是其他的语言都是一样的，所以背不过就抄到记住为止！这个你背不过，再好的教程看了也没用。如何巧记？我们需要对其进行分类。

02

Python基础语法-内置函数和模块-re模块

正则表达式（Regular Expression，简称 Regex）是一种用来匹配字符串的特殊语法。在 Python 中，可以通过内置的 re 模块来使用正则表达式。

02

Python_正则表达式

re.compile():用于编译正则表达式，生成一个正则表达式对象，供 match() 和 search() 两个函数使用，一般建议使用这种编译方式

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭