Deepseek批量提取PDF中特点部分的文本
一个pdf文件，要提取其中每章要点的内容:
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
Deepseek中输入提示词：
你是一个Python编程专家，写一个脚本，具体步骤如下：
读取PDF文件："F:\AI极简经济学【文字版】 (阿杰伊·阿格拉沃尔,乔舒亚·甘斯,阿维·戈著；闾佳译) (Z-Library).pdf"
提取PDF文件中所有“本章要点”和“第{number}章”（参数{number}的数值是从1到19，以1递增）之间的文本内容，
保存到word文档中，word文档保存到F盘中；
注意：每一步都要输出相关信息到屏幕上
Deepseek的
要实现这个任务，我们可以使用Python中的PyPDF2库来读取PDF文件，并使用python-docx库来创建和保存Word文档。以下是实现该功能的完整脚本：
import PyPDF2
from docx import Document
import re
# 定义PDF文件路径
pdf_path = r"F:\AI极简经济学【文字版】 (阿杰伊·阿格拉沃尔,乔舒亚·甘斯,阿维·戈著；闾佳译) (Z-Library).pdf"
output_docx_path = r"F:\extracted_chapters.docx"
# 打开PDF文件
print(f"正在打开PDF文件: {pdf_path}")
with open(pdf_path, 'rb') as pdf_file:
reader = PyPDF2.PdfReader(pdf_file)
num_pages = len(reader.pages)
print(f"PDF文件共有 {num_pages} 页")
# 创建一个新的Word文档
doc = Document()
print("已创建新的Word文档")
# 定义正则表达式来匹配“本章要点”和“第{number}章”
chapter_pattern = re.compile(r'第(\d+)章')
key_points_pattern = re.compile(r'本章要点')
# 初始化变量
capture_text = False
current_chapter = None
extracted_text = ""
# 遍历每一页
for page_num in range(num_pages):
page = reader.pages[page_num]
text = page.extract_text()
# 查找“本章要点”和“第{number}章”
key_points_match = key_points_pattern.search(text)
chapter_match = chapter_pattern.search(text)
if key_points_match:
print(f"在第 {page_num + 1} 页找到 '本章要点'")
capture_text = True
extracted_text = ""
if chapter_match:
chapter_number = int(chapter_match.group(1))
print(f"在第 {page_num + 1} 页找到 '第 {chapter_number} 章'")
if capture_text and current_chapter is not None:
# 将提取的文本添加到Word文档中
doc.add_paragraph(extracted_text)
print(f"已将第 {current_chapter} 章的内容添加到Word文档")
current_chapter = chapter_number
capture_text = False
if capture_text:
extracted_text += text + "\n"
# 保存Word文档
doc.save(output_docx_path)
print(f"已将提取的内容保存到Word文档: {output_docx_path}")
脚本说明：
导入库：
PyPDF2：用于读取PDF文件。
python-docx：用于创建和保存Word文档。
re：用于正则表达式匹配。
定义文件路径：
pdf_path：PDF文件的路径。
output_docx_path：输出的Word文档路径。
打开PDF文件：
使用PyPDF2.PdfReader读取PDF文件，并获取总页数。
创建Word文档：
使用python-docx创建一个新的Word文档。
定义正则表达式：
chapter_pattern：用于匹配“第{number}章”。
key_points_pattern：用于匹配“本章要点”。
遍历PDF每一页：
使用正则表达式查找“本章要点”和“第{number}章”。
当找到“本章要点”时，开始捕获文本。
当找到“第{number}章”时，停止捕获文本，并将捕获的文本添加到Word文档中。
保存Word文档：
使用doc.save保存Word文档。
注意事项：
确保PDF文件中的文本是可提取的（有些PDF文件可能是扫描件或图像，无法直接提取文本）。
如果PDF文件中的文本格式复杂，可能需要调整正则表达式或处理逻辑。
运行脚本：
将脚本保存为.py文件并运行，脚本会自动提取指定内容并保存到Word文档中。
相关攻略
豆包ai可通过批量文本处理、搭配脚本工具自动调用ai能力、利用提示词模板三种方式实现半自动化效果。1 批量文本处理可用于格式转换、内容摘要、关键词提取等，通过一次性输入多段内容并
用ai将语言转成视频并自动添加字幕现在即可实现，关键在于选对工具与流程。1 使用ai数字人工具如synthesia、pictory、heygen，输入文字或语音即可生成虚拟人物说
命令行ftp扫描工具的优势在于灵活性、自动化能力和轻量级特性，适用于渗透测试、自动化漏洞管理、资源受限环境及安全研究。1 灵活性强：支持自定义脚本集成，便于批量和定时任务处理；2
用豆包ai写代码的关键在于提问方式和后续调整。1 提问要具体，如“写一个python脚本，读取csv文件，统计每列的最大值和最小值，并输出到新文件”，以明确输入、操作和输出；2
随着人工智能技术的飞速发展，越来越多的用户希望能够将强大的AI模型部署到本地，实现离线使用。对于DeepSeek AI这样先进的大型语言模型，用户普遍关心其是否存在“离线版”可供下
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票