需求：將pdf中的單詞，通過正則表達式提取，保存到excel。將excel文件另存為.csv格式,導入到anki制成卡牌學習。

注：因為本人是業余，水平有限，如果講解有錯誤，歡迎指正。另外，本文使用的926詞匯pdf資料請自行準備。

目錄

全部代碼

代碼效果?

提前準備

pdf文件與內容導入

pdf文件導入

pdf內容導入

正則匹配|內容篩選

將結果存入Excel

---

全部代碼

import pdfplumber import re import openpyxlad=[] k=[] for l in range(1,19):adress=f"D:/BaiduNetdiskDownload/李達926逐詞精講-詞匯{l}筆記.pdf"ad.append(adress)pdf = pdfplumber.open(adress)print(f'正在寫入{adress}')for i in range(len(pdf.pages)):page = pdf.pages[i]wk = page.extract_text()k.append(wk) wb = ''.join(k) wb = wb.replace('改變就橙啦橙啦，大學生學習成長平臺'," ") num = re.findall('(\d+).*?\[', wb) text = re.findall('\d+(.*?)\[', wb) chinese = re.findall('](.*?)【真題例句',wb,re.S) #re.S的作用是使匹配包含換行符\n、\t，即空格與換行xs = openpyxl.Workbook() xl = xs.active xl.title = '達叔926' xl['A1']='序號' xl['B1']='英文' xl['C1']='中文|助記' q=2 for a,b,c in zip(num,text,chinese):xl.cell(q,1,a)xl.cell(q,2,b)xl.cell(q,3,c)q+=1 xs.save('達叔926.xlsx')

---

代碼效果

處理的pdf內容：

?處理結果：

---

提前準備

import pdfplumber #處理pdf的包 import re #正則表達式處理包 import openpyxl #操作excel的包

????????使用的軟件(IDE)是Pycharm

? ? ? ? 系統為Windows11

????????pdfplumber的安裝：pip install?pdfplumber

pdf文件與內容導入

pdf文件導入

ad=[] for l in range(1,19):adress=f"D:/BaiduNetdiskDownload/李達926逐詞精講-詞匯{l}筆記.pdf"ad.append(adress)

????????代碼中，我使用的了絕對路徑。因為pdf共有18個，所以我需要for循環遍歷，將文件的絕對地址通過append函數壓入一個列表。

pdf內容導入

k = [] pdf = pdfplumber.open(adress) #將導入的pdf打開for i in range(len(pdf.pages)): #獲取pdf總頁數，并遍歷page = pdf.pages[i] #打開pdf對應頁數wk = page.extract_text() #獲取對應頁數的文本內容k.append(wk) #將內容壓入列表 wb = ''.join(k) #將列表的內容遍歷拼接并轉為字符串類型

????????將pdf的全部內容壓入一個列表后，通過.join函數將列表遍歷拼接轉為字符串類型，為接下來正則匹配做準備。

????????另外，如果pdf中的內容有圖片或表格，那你就不能單純的使用page.extract_text()。例如，處理pdf表格，需要使用page.extract_table()。其他具體用法請參考其它更專業的博客文章。

正則匹配|內容篩選

wb = wb.replace('改變就橙啦橙啦，大學生學習成長平臺'," ") #將其他無關內容替換成空格 num = re.findall('(\d+).*?\[', wb) #匹配單詞前的序號 text = re.findall('\d+(.*?)\[', wb) #匹配英文單詞 chinese = re.findall('](.*?)【真題例句',wb,re.S) #匹配中文釋譯和助記方法

re.S是正則的一種匹配模式，作用是防止匹配的內容中第一個就是換行符（空格、換行）而導致返回空列表。（注：正則表達式中的“.”能匹配任意字符，但換行符除外。當時沒少因為這個知識點吃苦頭）

改：(\d+).*?\[?中的+是防止匹配到空格。*匹配目標出現0次或多次；+匹配目標出現1次或多次。

將結果存入Excel

xs = openpyxl.Workbook() xl = xs.active xl.title = '達叔926' xl['A1']='序號' #第一行、第一列單元格寫入序號，以下作用類似 xl['B1']='英文' xl['C1']='中文|助記' q=2 for a,b,c in zip(num,text,chinese):xl.cell(q,1,a) #通過openpyxl包的cell函數將內容寫入對應的單元格；.cell(行，列，內容）xl.cell(q,2,b)xl.cell(q,3,c)q+=1 xs.save('達叔926.xlsx')

????????這里使用的是openpyxl，具體的使用方法請參考相應的文檔。

????????zip函數能同時遍歷三個及以上的列表，并一一對應的形成新列表。注：請保證列表的長度一致，不然會發生一些意外。

????????另，生成的xlsx會保存在你的代碼根目錄下，如果要保存到其他地方，可以使用with方法。

---

總結

? ? ? ? 其實，代碼寫到這里主體的功能基本實現了，但是還有很大優化空間。例如，將單詞詞性匹配出來，可這對我來說有一定難度，因為pdf里有很多一詞多意和一個單詞既能是名詞又能是動詞的情況。又例如將中文釋義和助記方法分別匹配，等等。最后只要將excel文件另存為csv格式后導入anki(bilibili上有人講解過）即可，那么請看看我的最終成品吧。（雖然細節處理的不好）

2022-11-15 22-03-27_x264

總結

以上是生活随笔為你收集整理的达叔926词汇pdf单词提取、保存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。