Question

我已经让pypdf对单个pdf文件工作得很好，但我似乎无法让它适用于文件的lits，或者用于多个pdf的for循环，而不会失败，因为字符串不是调用。我可以将任何想法用作解决方法吗？

def getPDFContent(path):
    content = ""
    # Load PDF into pyPDF
    pdf = pyPdf.PdfFileReader(file(path, "rb"))
    # Iterate pages
    for i in range(0, pdf.getNumPages()):
        # Extract text from page and add to content
        content += pdf.getPage(i).extractText() + "\n"
    # Collapse whitespace
    content = " ".join(content.replace(u"\xa0", " ").strip().split())
    return content

#print getPDFContent(r"Z:\GIS\MasterPermits\12300983.pdf").encode("ascii", "ignore")


#find pdfs            
for root, dirs, files in os.walk(folder1):
    for file in files:
      if file.endswith(('.pdf')):
          d=os.path.join(root, file)
          print getPDFContent(d).encode("ascii", "ignore")

Traceback (most recent call last):
  File "C:\Documents and Settings\dknight\Desktop\readpdf.py", line 50, in <module>
    print getPDFContent(d).encode("ascii", "ignore")
  File "C:\Documents and Settings\dknight\Desktop\readpdf.py", line 32, in getPDFContent
    pdf = pyPdf.PdfFileReader(file(path, "rb"))
TypeError: 'str' object is not callable

我正在使用一个列表，但我得到了完全相同的错误，我不认为这将是一个大问题，但现在它正在成为一个。我知道我能够在arcpy中解决类似的问题，但这没什么关系

Answer 1

尽量不要为变量名使用内置类型：

不要这样做：

for file in files:

请改为：

 for myfile in files:

pypdf用于pdfs列表

1 个答案: