créer un index de pdf

Question

Possible en double:
How do I Index PDF files and search for keywords?

Créer un index d'un PDF.

Answer 1

Je pense que vous pouvez utiliser la bibliothèque Python pypdf pour cela (http://pybrary.net/pyPdf/). Ce montre des nombres de codes de pages qui comprennent requis mot:

from pyPdf import PdfFileReader 

input = PdfFileReader(file("YourPDFFile.pdf", "rb")) 

numberOfPages = input.getNumPages() 

i = 1 
while i < numberOfPages: 
    oPage = input.getPage(i) 
    text = oPage.extractText() 
    text.encode('utf8', 'ignore') 
    if text.find('What are you looking for') != -1: 
     print i 
    i += 1 

La même chose, mais travailler avec Python 3

from pyPdf import PdfFileReader 

input = PdfFileReader(open("YourPDFFile.pdf", "rb")) 

numberOfPages = input.getNumPages() 

i = 1 
while i < numberOfPages: 
    oPage = input.getPage(i) 
    text = oPage.extractText() 
    text.encode('utf8', 'ignore') 
    if text.find('What are you looking for') != -1: 
     print(i) 
    i += 1