我完全理解你的需求——要批量处理多个PDF文件，统计每个PDF里来自不同关键词文本文件的关键词总出现次数，最后生成规整的表格报告并导出为CSV。你已经搞定了核心的关键词统计逻辑，现在卡在了如何用Pandas把这些零散的统计结果结构化对吧？别担心，咱们一步步来解决这个问题。

核心思路梳理 #

首先得把每一条统计结果（PDF文件名、关键词文件名、总次数）统一收集起来，存成结构化的列表；等所有循环跑完，再用这个列表构建Pandas DataFrame；最后把DataFrame调整成你想要的「行是PDF、列是关键词文件」的格式，再导出CSV就大功告成了。

修改后的完整代码（带详细注释） #

import fitz
import glob
import pandas as pd

def keyword_finder():
    # 初始化空列表，用来存储所有统计结果
    results = []
    
    # 遍历当前目录下所有PDF文件
    for pdf_file in glob.glob('*.pdf'):
        # 用with语句打开PDF，自动处理文件关闭，更安全
        with fitz.open(pdf_file) as document:
            document_pages = document.page_count
            
            # 遍历当前目录下所有关键词文本文件
            for text_file in glob.glob('*.txt'):
                occurrences_sdg = []
                
                # 同样用with语句打开关键词文件，避免手动关闭的麻烦
                with open(text_file, 'r') as inputs:
                    keywords_list = inputs.read()
                    # 拆分关键词，同时过滤空字符串（处理txt里的空行或首尾空格）
                    keywords_list_separated = [kw.strip() for kw in keywords_list.split('\n') if kw.strip()]
                
                # 遍历每个关键词，统计在PDF中的总出现次数
                for keyword in keywords_list_separated:
                    occurrences_keyword = []
                    for page in range(document_pages):
                        text_per_page = document.load_page(page)
                        # 统计当前关键词在该页的出现次数
                        keyword_sum = len(text_per_page.search_for(keyword))
                        occurrences_keyword.append(keyword_sum)
                    # 累加该关键词在整个PDF的总次数
                    occurrences_sdg.append(sum(occurrences_keyword))
                
                # 计算当前关键词文件在该PDF的总出现次数
                total_occurrences = sum(occurrences_sdg)
                # 把这条结果存入列表，后续用来构建DataFrame
                results.append({
                    'PDF文件名': pdf_file,
                    '关键词文件': text_file,
                    '总出现次数': total_occurrences
                })
    
    # 用收集到的结果构建基础DataFrame
    df = pd.DataFrame(results)
    
    # 转换成你想要的格式：行是PDF文件名，列是关键词文件，值是对应总次数
    # 用fillna(0)把无匹配的情况填充为0，更直观
    report_df = df.pivot(index='PDF文件名', columns='关键词文件', values='总出现次数').fillna(0)
    
    # 打印预览报告
    print(report_df)
    
    # 导出为CSV文件，指定utf-8-sig避免Excel打开中文乱码
    report_df.to_csv('关键词统计报告.csv', encoding='utf-8-sig')
    print("报告已成功导出为 关键词统计报告.csv")

# 调用函数执行统计
keyword_finder()

关键步骤说明 #

1. 结果结构化收集：用results列表存储每一条统计数据，每条数据是包含三个核心信息的字典，后续构建DataFrame时会自动识别列名，非常省心。
2. 文件处理优化：全程用with语句打开文件，不用手动调用close()，避免因异常导致文件未关闭的问题。
3. 关键词清洗：通过列表推导式过滤空字符串，解决了txt文件中空行、首尾空格带来的无效关键词问题。
4. 格式转换：用pivot方法把长格式的DataFrame转换成你需要的宽格式，完美匹配你想要的报表样式；fillna(0)让无匹配的情况显示为0，逻辑更清晰。
5. CSV导出优化：指定encoding='utf-8-sig'，确保导出的CSV用Excel打开时不会出现中文乱码。

额外小提示 #

• 如果需要大小写不敏感匹配，可以把search_for方法改成text_per_page.search_for(keyword, case_sensitive=False)。
• 如果PDF是扫描件（图片格式内容），PyMuPDF无法提取文本，这种情况需要搭配OCR工具（比如pytesseract）先识别文本再统计。

备注：内容来源于stack exchange，提问作者frexus