如何一次将我的 python 代码应用于文件夹中的所有文件，以及如何为每个后续输出文件创建一个新名称？

Question

我正在使用的代码接收一个 .pdf 文件，并输出一个 .txt 文件。 我的问题是，如何创建一个循环（可能是一个 for 循环），该循环在以“.pdf”结尾的文件夹中的所有文件上一遍又一遍地运行代码？ 此外，如何在每次循环运行时更改输出，以便每次都可以编写一个与输入文件同名的新文件（即 1_pet.pdf > 1_pet.txt、2_pet.pdf > 2_pet.pdf）。 txt等）

这是到目前为止的代码：

path="2_pet.pdf"
content = getPDFContent(path)
encoded = content.encode("utf-8")
text_file = open("Output.txt", "w")
text_file.write(encoded)
text_file.close()

Answer 1

以下脚本可以解决您的问题：

import os

sourcedir = 'pdfdir'

dl = os.listdir('pdfdir')

for f in dl:
    fs = f.split(".")
    if fs[1] == "pdf":
        path_in = os.path.join(dl,f)
        content = getPDFContent(path_in)
        encoded = content.encode("utf-8")
        path_out = os.path.join(dl,fs[0] + ".txt")
        text_file = open(path_out, 'w')
        text_file.write(encoded)
        text_file.close()

Answer 2

对目录中所有 PDF 文件进行操作的一种方法是调用glob.glob()并迭代结果：

import glob
for path in glob.glob('*.pdf')
    content = getPDFContent(path)
    encoded = content.encode("utf-8")
    text_file = open("Output.txt", "w")
    text_file.write(encoded)
    text_file.close()

另一种方法是允许用户指定文件：

import sys
for path in sys.argv[1:]:
    ...

然后用户像python foo.py *.pdf一样运行你的脚本。

Answer 3

创建一个函数来封装您要对每个文件执行的操作。

import os.path

def parse_pdf(filename):
    "Parse a pdf into text"
    content = getPDFContent(filename)
    encoded = content.encode("utf-8")
    ## split of the pdf extension to add .txt instead.
    (root, _) = os.path.splitext(filename)
    text_file = open(root + ".txt", "w")
    text_file.write(encoded)
    text_file.close()

然后将此函数应用于文件名列表，如下所示：

for f in files:
    parse_pdf(f)

Answer 4

您可以使用递归函数在文件夹和所有子文件夹中搜索以 pdf 结尾的文件。 比获取这些文件，然后为它创建一个文本文件。

它可能是这样的：

import os

def convert_PDF(path, func):
    d = os.path.basename(path)
    if os.path.isdir(path):
        [convert_PDF(os.path.join(path,x), func) for x in os.listdir(path)]
    elif d[-4:] == '.pdf':
        funct(path)

# based entirely on your example code
def convert_to_txt(path):
    content = getPDFContent(path)
    encoded = content.encode("utf-8")
    file_path = os.path.dirname(path)
    # replace pdf with txt extension
    file_name = os.path.basename(path)[:-4]+'.txt'
    text_file = open(file_path +'/'+file_name, "w")
    text_file.write(encoded)
    text_file.close()

convert_PDF('path/to/files', convert_to_txt)

由于实际操作是可变的，您可以将函数替换为您需要执行的任何操作（例如使用不同的库，转换为不同的类型等）