如何遍历目录中的文件，以便可以使用 PyPDF2 打开/读取它们？答案

【问题标题】：How do I iterate through files in my directory so they can be opened/read using PyPDF2?如何遍历目录中的文件，以便可以使用 PyPDF2 打开/读取它们？
【发布时间】：2021-04-09 02:50:30
【问题描述】：

我正在开发一个用于工作的发票抓取工具，我已经成功编写了所有代码来使用 PyPDF2 抓取我需要的字段。但是，我无法弄清楚如何将此代码放入 for 循环中，以便遍历存储在我的目录中的所有发票。根据我使用的项目，可能有 1 到 250 多个文件。

我认为我可以使用“*.pdf”代替 pdf 名称，但它对我不起作用。我对 Python 比较陌生，之前没有使用过那么多循环，所以任何指导都将不胜感激！

import re

pdfFileObj = open(r'C:\Users\notylerhere\Desktop\Test Invoices\SampleInvoice.pdf', 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
pageObj = pdfReader.getPage(0)

#Print all text on page
#print(pageObj.extractText())

#Grab Account Number Meter Number
accountNumber = re.compile(r'\d\d\d\d\d-\d\d\d\d\d')
meterNumber = re.compile(r'(\d\d\d\d\d\d\d\d)')
moAccountNumber = accountNumber.search(pageObj.extractText())
moMeterNumber = meterNumber.search(pageObj.extractText())
print('Account Number: '+moAccountNumber.group())
print('Meter Number: '+moMeterNumber.group(1))'''

Thanks very much!

【问题讨论】：

标签： python pdf pypdf2 pdf-scraping

【解决方案1】：

您想遍历您的目录并独立处理每个文件。

有许多功能取决于您的用例。 os.walk 是一个很好的起点。

例子：

import os
for root, directories, files in os.walk('.'):
  for file in files:
    if '.pdf' in file:
      openAndDoStuff(file)

【讨论】：

【解决方案2】：

另一个选项是 glob：

import glob

files = glob.glob("c:/mydirectory/*.pdf")

for file in files:

    (Do your processing of file here)

您需要确保冒号之后的所有内容都正确缩进。

【讨论】：

【解决方案3】：

import os
import PyPDF2

for el in os.listdir(os.getcwd()): 
    if el.endswith("pdf"): 
        pdf_reader = PyPDF2.PdfFileReader(open(os.getcwd() + "/" + el))

【讨论】：