从pdf中提取文本str中不带白色sp的字符后的数字

Question

一般来说，我对python/编程是新手。我试着把一个六位数的数字放在一个字母后面，像这样：

A12345612341234 asdfa WEA aslkfj4353 ALSDFASA345678 ASA85943

所以在上面我想拉A123456，循环拉A345678和A8585。我该怎么做？我正在使用PyPDF2从pdf中提取文本并将其设置为变量，但是我尝试了拼接和列表，但是我不知道如何让它工作。我花了一些时间在网上搜索，找到了大量的例子，但它们与我的情况无关，大多数都有空格。看起来应该很简单。这就是我的工作

#import PyPDF2 and set extracted text as the page_content variable
import PyPDF2
pdf_file = open('5302.pdf','rb')
read_pdf = PyPDF2.PdfFileReader(pdf_file)
number_of_pages = read_pdf.getNumPages()
page = read_pdf.getPage(0)
page_content = page.extractText()


#initialize the user_input variable
user_input = ""

#function to get the AFE numbers from the pdf document
def get_afenumbers(Y):

    #initialize the afe and afelist variables
    afe = "A"
    afelist = ""
    x = ""

    #Make a while loop of this after figuring out how to get only 6 digits
    #after the "A" use .isdigit() somehow?
    while True:

        if user_input.upper().startswith("Y") == True:

                #Find the letter A and extract it and its following 6 digits
                if "A" in page_content:
                    #right now only getting everything after first A
                    afe = page_content[page_content.find("A")+1:]

                    #Add AFEs to afelist
                    afelist += afe

                    #Build a string of AFEs seperated by a new line character
                    x = x + '\n' + afe
                    print(afe)
                    break

                else:
                    afe = "No AFE numbers found..."

        if user_input.upper().startswith("N") == True:
            print("HAVE A GREAT DAY - GOODBYE!!!")
            break

#Build a while loop for initial question prompt (when Y or N is not True):
while user_input != "Y" and user_input != "N":
    user_input = input('List AFE numbers? Y or N: ').upper()

    if user_input not in ["Y","N"]:
        print('"',user_input,'"','is an invalid input')

get_afenumbers(user_input)

Answer 1

可以使用正则表达式来提取匹配项

忽略您的循环，我们可以使用以下方法设置要搜索的文本：

text = '''A12345612341234 asdfa we'a aslkfj4353 alsdfasA345678asA858585943'''

现在我们要匹配任何大写字母（[A-Z]），后跟任意数字的6（[0-9]{6}）。在您的代码中，似乎只需要A，因此您可以将[A-Z]替换为：

import re 
re.findall('[A-Z][0-9]{6}', text)

你的答案是：

['A123456', 'A345678', 'A858585']