想了解检查PDF文件在Python中是否有效的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于pdf检测的相关问题，此外，我们还将为您介绍关于python–检查pandas中是否有一对值、py

想了解检查PDF文件在Python中是否有效的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于pdf检测的相关问题，此外，我们还将为您介绍关于python – 检查pandas中是否有一对值、python – 检查文件名是否有效、Python中如何用PyPDF2模块拆分PDF文档、使用Python中的PDFMiner从PDF文件提取文本？的新知识。

• 检查PDF文件在Python中是否有效（pdf检测）
• python – 检查pandas中是否有一对值
• python – 检查文件名是否有效
• Python中如何用PyPDF2模块拆分PDF文档
• 使用Python中的PDFMiner从PDF文件提取文本？

检查PDF文件在Python中是否有效（pdf检测）

python – 检查pandas中是否有一对值

df = pd.DataFrame([[4,8,'wolf','Predator',10],[5,6,'cow','Prey',[8,2,'rabbit',3,[3,[7,5,10]],columns = ['lat','long','name','kingdom','energy'])

newcoords1 = [4,4]
newcoords2 = [7,5]

if newcoords1 in df['lat','long']:
    print('yes! ' + str(newcoords1))

In [140]: df.query('@newcoords2[0] == lat and @newcoords2[1] == long')
Out[140]:
   lat  long    name kingdom  energy
5    7     5  rabbit    Prey      10

In [146]: df.query('@newcoords2[0] == lat and @newcoords2[1] == long').empty
Out[146]: False

In [147]: df.query('@newcoords2[0] == lat and @newcoords2[1] == long').shape[0]
Out[147]: 1

In [103]: df[(df[['lat','long']].values == newcoords2).all(axis=1)]
Out[103]:
   lat  long    name kingdom  energy
5    7     5  rabbit    Prey      10

In [113]: (df[['lat','long']].values == newcoords2).all(axis=1).any()
Out[113]: True

In [114]: (df[['lat','long']].values == newcoords1).all(axis=1).any()
Out[114]: False

In [104]: df[['lat','long']].values == newcoords2
Out[104]:
array([[False,False],[False,[ True,True]],dtype=bool)

In [105]: (df[['lat','long']].values == newcoords2).all(axis=1)
Out[105]: array([False,False,True],dtype=bool)

python – 检查文件名是否有效

valid = myfilename in ['this_is_valid_name.jpg']

valid = set(valid_char_sequence).issuperset(myfilename)

Python中如何用PyPDF2模块拆分PDF文档

安装PyPDF2模块

# 这个模块严格区分大小写，y是小写，其余大写

pip3 install pypdf2

安装完成之后呢，在本地硬盘创建一个专门存放本项目的文件夹，我这里在的存放路径是 F:\Python\PyPDF2，在F盘有个Python文件夹，在其中又创建了一个以这个模块命名的文件夹，来单独存放和与别的项目区分。

创建文件，准备PDF文档

找一个练手的比较大的PDF文档，我在Django官网下载了他的文档，这个文档足够大，1900多页，对于练手绝对够了，有需要的去官网下载，或者在我的公众号直接回复‘pdf’ 获取下载链接，然后再创建一个PDFCF.py 的项目文件。

开始写

程序开始两行，写上下边这两句，第一句的意思是指定这个文件的运行程序，第二句是对这个文件的说明，这个的作用现在还看不出来，但如果你知道怎么批量化快速执行程序，你就知道了它的作用，这里不做赘述。

#! python# PDFCF.py - pdf文件拆分程序

文档的拆分思路

不固定拆分成多少份，但固定每一份由多少页组成，然后来动态的计算拆分的份数，拆分思路有了，那么下来就是列出计算公式。

拆分的份数= 文档总页数 / 拆份每个pdf组成的页数

举个例子：

假如我们要拆分一个总页数为35页的pdf文档，按照每10页组成一个新文档，那么能拆分成多少份的计算公式如下：

3.5 = 35 / 10

这时候大家注意了，除不尽有余数0.5，说明什么？用这个例子来说就是拆分成3份还余下5页，那么遇到这种情况不管余数是几都得向前进1，才能完成整个拆分，这个文档拆分的结果就是，前3个文档每个由10页组成，第四个文档则由最后5页组成，能整除则结果直接就是拆分的份数。

python拆分计算公式：

if 35 % 10:   # 判断是否有余数  35 // 10 + 1   # 取余数整数部分加1else:  0         # 能整除则直接返回0  # 将这个循环写到一行4 = 35 // 10 + 1 if 35 % 10 else 0

立即学习“Python免费学习笔记（深入）”；

具体怎么拆？

还是以这个35页的文档拆分为例：

循环遍历每一页数据 for num in range(35)，得到每一页的数据，之后再指定拆分页数范围进行拆分：

1. 第一个文档从0--10，不包含10 

2. 第二个文档从10--20 ，不包含20 

3. 第三个文档从 20 -30，不包含30

4. 第四个文档从30--35，不包含35

我们发现规律，每次遍历第一个数字的规律是 一个文档的页数，乘以自己属于第几个便可以得到。第二个数我们发现没规律了，其实仔细观察也有规律，假如我们对拆分个数排序，这个例子就是1--4，第二个数字就是当前属于第几个拆分数乘以每个文档组成的页数（页数是固定的10）。

可是我们第一次遍历的时候从0开始，就让num变得不通用，那么我们改造一下从1开始遍历，range(1,35),从一开始遍历，基于range不包含本身最后一个的特性，这样遍历出来就少了一页文档，那么我们给他加1，变成

1. for num in range(1,35+1) 

2. 第一个文档从10*(1-1)--10*1，不包含10 

3. 第二个文档从10*(2-1)--10*2 ，不包含20 

4. 第三个文档从 10*(3-1) -10*3, 不包含30

5. 第四个文档从10(4-1)--35

具体遍历代码如下：

for num in range(1,35+1):  pass  for i in range(10 * (num-1), 10 * num if num != 4 else 35):    pass

注意：当遍历到 num = 4（最后一个文档排序数时），直接返回 总页数35就可以了，到这里遍历就结束了。这里为什么是总页数35 而不是35+1呢？是因为此次遍历我们是从0开始遍历的，页码从0开始，所以不需要加1了。

完整拆分程序：

import PyPDF2

注意：上边这种拆分思路我个人感觉比较绕，如果你对Python列表的切边以及步长概念理解透彻的话，我觉得不需要这么复杂，只需要把总页码生成一个大列表，再把这个列表利用切片的方法拆分成多个小列表，之后每个拆分的pdf页码范围就是每个小列表第一个数--最后一个数+1，我把我用列表方法实现的代码也贴出来供大家参考。

拆分列表方法实现拆分PDF:

#! python

怎么用？

在项目文件夹内部按住Shift键，点击鼠标右键，选择在此处打开命令窗口，输入PDFCF.py，回车即可，根据自己的需求去更改 n 的值。

以上就是Python中如何用PyPDF2模块拆分PDF文档的详细内容，更多请关注php中文网其它相关文章！

使用Python中的PDFMiner从PDF文件提取文本？

我正在寻找有关如何使用带有Python的PDFMiner从PDF文件提取文本的文档 或 示例。

看来PDFMiner更新了他们的API，我发现的所有相关示例都包含过时的代码（类和方法已更改）。我发现的那些使从PDF文件提取文本的任务更加容易的库正在使用旧的PDFMiner语法，因此我不确定如何执行此操作。

照原样，我只是在查看源代码，以查看是否可以解决。

答案1

这是一个使用当前版本的PDFMiner从PDF文件提取文本的工作示例（2016年9月）

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.converter import TextConverterfrom pdfminer.layout import LAParamsfrom pdfminer.pdfpage import PDFPagefrom io import StringIOdef convert_pdf_to_txt(path):    rsrcmgr = PDFResourceManager()    retstr = StringIO()    codec = ''utf-8''    laparams = LAParams()    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)    fp = open(path, ''rb'')    interpreter = PDFPageInterpreter(rsrcmgr, device)    password = ""    maxpages = 0    caching = True    pagenos=set()    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):        interpreter.process_page(page)    text = retstr.getvalue()    fp.close()    device.close()    retstr.close()    return text

PDFMiner的结构最近发生了变化，因此应该可以从PDF文件中提取文本。

编辑 ：截至2018年6月7日仍在工作。在Python Version 3.x中验证

编辑：该解决方案于2019年10月3日与Python 3.7一起使用。我使用了Python库pdfminer.six，该库于2018年11月发布。

我们今天的关于检查PDF文件在Python中是否有效和pdf检测的分享已经告一段落，感谢您的关注，如果您想了解更多关于python – 检查pandas中是否有一对值、python – 检查文件名是否有效、Python中如何用PyPDF2模块拆分PDF文档、使用Python中的PDFMiner从PDF文件提取文本？的相关信息，请在本站查询。