求一个关于PDF自动化的软件

wzwln

就是工作中遇到打印票据回单的问题，银行导出的票据回单为PDF格式。切有很多没用的页面。。有用的页面可能是1-3，7-88，12-15，没有页码规律，发现一个内容的规律就是我需要的页面，都含有关键字 转让。现就想实现。能一下子就根据关键字，全部页面查找到都是在多少页。然后能按顺序从新组和成一个PDF 。。如一页有好多关键字，本页只需查找一次就可。。不只到发贴到哪个分类里，只听说过这个交流论坛。拜托

sheeboard

发个测试文件和关键词。

wxg0007

1. import fitz  # PyMuPDF
   
2. 
   
3. # 打开原始PDF文件
   
4. doc = fitz.open("文件名.pdf")
   
5. 
   
6. # 定义要搜索的关键词列表
   
7. keywords = ["关键字1", "关键字2", "关键字3"]
   
8. 
   
9. # 存储包含关键词的页面索引
   
10. pages_to_copy = []
    
11. 
    
12. for page_num in range(len(doc)):
    
13.     page = doc.load_page(page_num)
    
14.     text = page.get_text("text")
    
15.     # 将文本转换为小写，以便不区分大小写地搜索
    
16.     text_lower = text.lower()
    
17.     for keyword in keywords:
    
18.         if keyword.lower() in text_lower:
    
19.             pages_to_copy.append(page_num)
    
20.             break  # 一旦找到一个关键词，就不再检查其他关键词
    
21. 
    
22. # 创建一个新的PDF文档
    
23. new_doc = fitz.open()
    
24. 
    
25. for page_num in pages_to_copy:
    
26.     # 将页面插入到新文档中
    
27.     new_doc.insert_pdf(doc, from_page=page_num, to_page=page_num)
    
28. 
    
29. # 保存新的PDF文件
    
30. new_doc.save("filtered_document.pdf")

复制代码

wzwln

wxg0007 发表于 2025-1-3 00:07

强强强，我从py一点不懂，百度学习终于运行了。是我要的意思。

不过能不能脱离py.，或是生成一个可执行文件。。像　　文件名.pdf ．关键字１　２　３还有输出文件名这些，还有输入输出路径等。能不能做一个图形界面。方便使用。


还有就是保留这个的基础上。在做一个扩展选项。　比如。必须满足　A＋B关键词。或是　慢足A 或　B