python问题，求帮助

劝你们要善良

学弟发给我的一个python的题。然后发现不怎么会做。请大神帮一下忙。关于提取PDF内容的代码如下



import os

import sys

import time



pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))



for pdf1 in pdfs:

    pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')

    os.rename(pdf1, pdf)

    print('='*30)

    print(pdf)



    txt = pdf[:-4] + '.txt'

    exe = '"' + sys.executable + '" "'

    pdf2txt = os.path.dirname(sys.executable)

    pdf2txt = pdf2txt + '\\scripts\\pdf2txt.py" -o '

    try:

        #调用命令行工具pdf2txt.py进行转换

        #如果pdf加密过可以改写下面的代码

        #在-o前面使用-P来指定密码

        cmd = exe + pdf2txt + txt + ' ' + pdf

        os.popen(cmd)

        #转换需要一定时间，一般小文件2秒钟足够了

        time.sleep(2)

        #输出转换后的文本，前200个字符

        with open(txt, encoding='utf8') as fp:

            print(fp.read(200))

    except:

        pass

劝你们要善良

排版垃圾的很。请见谅

Semoon

你没搞对,论坛支持代码页面的

yao5201478

帮你排个版

import os
import sys
import time

pdfs = (pdfs for pdfs in os.listdir('.') if pdfs.endswith('.pdf'))

for pdf1 in pdfs:
    pdf = pdf1.replace(' ', '_').replace('-', '_').replace('&', '_')
    os.rename(pdf1, pdf)
    print('='*30)
    print(pdf)

    txt = pdf[:-4] + '.txt'
    exe = '"' + sys.executable + '" "'
    pdf2txt = os.path.dirname(sys.executable)
    pdf2txt = pdf2txt + '\\scripts\\pdf2txt.py" -o '
    try:
        #调用命令行工具pdf2txt.py进行转换
        #如果pdf加密过可以改写下面的代码
        #在-o前面使用-P来指定密码

        cmd = exe + pdf2txt + txt + ' ' + pdf
        os.popen(cmd)

        #转换需要一定时间，一般小文件2秒钟足够了

        time.sleep(2)

        #输出转换后的文本，前200个字符

        with open(txt, encoding='utf8') as fp:
            print(fp.read(200))

    except:

        pass

ymhld

查重的规则呢？段落？句子？词？

处女-大龙猫

这要求有点高吧, 还要全部给找出来重复率, 我没太怎么接触文件遍成, 一般是爬虫和excel. pdf库没怎么接触

Fris

导出的文本文件再用diff命令比较？

Ag2S

查重的规则呢？没有规则，如何写代码。

ciker_li

等大神指点

Zeaf

等一个大神来，有大神来了回复我一下可好