没有从PyPDF2上的regex接收到正确的PDF格式

Question

我想从PDF中提取某个单词的所有实例，例如“math”。 到目前为止，我使用PyPDF2将PDF转换为文本，然后对其执行regex以找到我想要的内容。这是example PFD

当我运行代码而不是返回正则表达式模式“math”时，它返回整个页面的字符串。请帮忙谢谢

#First Change Current Working Directory to desktop

import os
os.chdir('/Users/Hussein/Desktop')         #File is located on Desktop


#Second is the PyPDF2

pdfFileObj=open('TEST1.pdf','rb')          #Opening the File
pdfReader=PyPDF2.PdfFileReader(pdfFileObj)
pageObj=pdfReader.getPage(3)               #For the test I only need page 3
TextVersion=pageObj.extractText()
print(TextVersion)



#Third is the Regular Expression

import re
match=re.findall(r'math',TextVersion)
for match in TextVersion:
      print(match)

我收到的不是“math”的所有实例：

^{pr2}$

等等

Answer 1

TextVersion变量保存文本。当您将它用于for循环时，它将一次为文本提供一个字符，如您所见。findall函数将返回一个匹配列表，因此，如果您将其用于for循环，您将得到每个单词（在测试中都是相同的）。在

import re

for match in re.findall(r'math',TextVersion):
      print(match)

findall返回的结果如下：

^{pr2}$

因此，您的输出将是：

math
math
math

Answer 2

实际上，您正在迭代TextVersion变量的值。必须遍历re.findall返回的列表。在

所以你的for循环必须是

match=re.findall(r'math',TextVersion)
for i in match:
    print(i)