Question

我目前正在一个项目中，我想从PDF提取文本，然后检查提取的文本中的单词之一是否出现在某个词典中。如果是这样，我想给我们example.replace（file，x，y）用我字典中的值替换文本中的单词。

我正在努力检查文本中的所有单词并将它们与字典自动比较的循环。目的是我不必自己键入“ old”和“ new”，但程序会检查文本中的所有单词，如果它在字典中找到一个单词，则“ old”应是文本中的单词，而“新”键的值。手动版本有效。

这是我的代码

pip install django_pyodbc_azure-2.1.0.0-py3-none-any.whl

感谢帮助！

Answer 1

如果您打算将提取的PDF文档中的单词替换为Dictionary值，则该解决方案可能会对您有所帮助。只需挑选与Dictionary键相交的单词，然后将值一一替换即可。

import re
#text = Extracted text from PDF
text = r" with the loop for Die checking all words in my text and compare them to the dictionary automatically"
for key in set(text.split(' ')).intersection(dictionary.keys()):
    text = re.sub(key,dictionary[key],text)

Answer 2

由于不允许我发表评论...

此循环应为您提供帮助。

for old, new in dictionary.items():
    # update text by replacing old with new

更换时，应确保只交换单词，否则可能发生“书”：“鞋”将“书市场”一词转换为“鞋市场”。该模块可以在这里为您提供帮助。 https://docs.python.org/3/library/re.html

实际上，这个人也解决了同样的问题。 Search and replace with "whole word only" option

如果您还想交换短语，则字典的顺序可能很重要；字典{'I'：'you'，'I like'：'chicken'}会将'I like'转换为'you like'，尽管可能不需要。

Answer 3

假设您能够阅读pdf文件。您可以使用

将数据存储在列表中

list_voc = []

list_voc.extend(text.split())

现在使用一个简单的循环，您可以检查list的元素是否属于字典，如果确实属于字典，则将其替换。

indx=0
for i in pdf_vocab:
    if i in dictionary.keys():
        pdf_vocab[indx] = dictionary[i]
    indx = indx + 1

indx变量存储列表的索引，只要元素（或单词）在字典中，我们就可以在该特定索引处替换该单词。

从PDF中提取文本并与字典进行比较

3 个答案: