在所有 Word 和 PDF 文件中搜索文件夹和子文件夹中的字符串答案

【问题标题】：Search folders and subfolders for a string within all Word and PDF files在所有 Word 和 PDF 文件中搜索文件夹和子文件夹中的字符串
【发布时间】：2017-07-18 18:10:33
【问题描述】：

我对 python 2.7 有点陌生，我想知道是否有一种方法可以在文件夹（及其所有子文件夹、PDF 和 Word 文档）中搜索某个单词。我需要将所有包含某个关键字的 PDF 和 Word 文件编译到一个新文件夹中，所以我认为 python 可能是最好的方法，而不是手动浏览每个文件并搜索单词。有什么想法吗？

【问题讨论】：

没有真正的理由再使用 Python 2 而不是 Python 3，我建议您切换。是的，有可能做到这一点。不过，SO 不是代码编写服务。
这里的白色标记包是一些软件还没有使用python3的原因py3readiness.org

标签： python string pdf ms-word subdirectory

【解决方案1】：

这是一个如何在文件中搜索单词的示例：

files = ["example.txt", "example2.txt", "example3.txt"]
matches = [False, False, False]
for f in range(3):
    fi = open(files[f], 'r')
    for line in fi:
        if "word" in line:
            matches[f] = True
            break
    fi.close()
print matches

这将打开您的文件并检查关键字“word”。至于PDF，除非您可以先将它们转换为文本文件，否则将更加困难。

我强烈建议您查看教程，例如查看目录（文件夹）等。

【讨论】：

【解决方案2】：

def pdf2text(pdf_file):
    return text_of_pdf_file

def word2text(doc_file):
    return text_of_doc_file

def search_word_in_path(root_path,needle):
    for current_dir,dirs,files in os.walk(root_path):
        for fname in files:
           fpath = os.path.join(current_dir,fname)
           if fpath.endswith("pdf"):
              if needle in pdf2text(fpath):
                   yield fpath
           elif fpath.endswith("doc") or fpath.endswith("docx"):
               if needle in word2text(fpath):
                    yield fpath

for filename in search_word_in_path(r"C:\Users\<UserName>\Documents","some word"):
    print("Found 'some word' in %r"%filename)

我猜......我把一些工作留给你作为 OP 来解决

【讨论】：