請教各位大佬：我有2000千個PDF檔案和20個關鍵詞，，現在想在這些pdf里面批量搜索這些關鍵詞并回傳關鍵詞前后50個字的文本，，然后將結果匯出到excel，，看了很多帖子看不明白
，請高手幫忙指導下
uj5u.com熱心網友回復：
先分詞，然后統計就是了uj5u.com熱心網友回復：
大佬能不能幫忙寫下代碼
uj5u.com熱心網友回復：
首先能保證PDF是可讀成文本吧，其實找到一個遍歷就行了，試著先把PDF的全文搞出來uj5u.com熱心網友回復：
可以的，我用福昕PDF可以搜索出來，但是沒辦法匯出結果
uj5u.com熱心網友回復：
我給你提供一個思路吧。首先把pdf內容讀取成一個字串str
設定一個子串keywords
index = str.find(keywords)
這個函式會查找子串在字串里第一次出現的位置，如果找到了，會回傳子串的位置，如果沒有找到，會回傳-1，可以作判斷
有了子串位置，直接字串切片就可以得到子串前后50個字的內容了。
如果一篇文章中又多個相同的關鍵字（子串）
可以在執行第一次str.find()之后再次執行，因為它只查找第一個子串的位置，所以在后面幾次執行的時候，需要給他指定開始查找位置。
index_2 = str.find(keywords,index + len(keyword))其中，index + len(keywords)表示開始查找的位置。
uj5u.com熱心網友回復：
至于如何讀取pdf內容，你可以看這篇文章https://blog.csdn.net/weixin_42812527/article/details/90166966轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/10205.html
上一篇：mitmproxy安裝問題