求一个关于PDF自动化的软件

wzwln · 发表于 2025-1-2 11:07

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 · 发表于 2025-1-2 19:21

发个测试文件和关键词。

wxg0007 · 发表于 2025-1-3 00:07

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

复制代码

wzwln · 发表于 2025-1-3 22:59

本帖最后由 wzwln 于 2025-1-3 23:01 编辑

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

wxg0007 · 发表于 2025-1-6 17:28

这个功能本来我也可能用的着，所以那天就随手弄了一下，可没想到你是技术没有，但要求还挺多，甚至还想把解释型编译一下，我吃饱撑的？要不再免费给你开发各种环境下的？

wzwln · 发表于 2025-1-8 19:30

抱歉，打扰了。。。

用户名		自动登录	找回密码
密码			免费注册