如何使用Python实现PDF中多关键词的同页共存检索

Hey there！你要的是同时匹配两个关键词的PDF页面检索功能对吧？之前的多单词搜索应该是只要出现任意一个就返回，现在改成「必须同时存在」就好，我给你写个实用的实现方案，用pdfplumber库（这个库提取文本比PyPDF2更精准，不容易丢内容）：

第一步：安装依赖 #

先确保你装了pdfplumber，没装的话跑这个命令：

pip install pdfplumber

第二步：完整实现代码 #

import pdfplumber

def find_pages_with_both_keywords(pdf_path, keyword1, keyword2):
    matching_pages = []
    # 打开PDF文件
    with pdfplumber.open(pdf_path) as pdf:
        # 遍历每一页，注意pdfplumber的页码从0开始，实际页面要+1
        for page_num, page in enumerate(pdf.pages):
            # 提取当前页面的文本
            page_text = page.extract_text()
            # 跳过提取失败的页面（比如纯图片页）
            if not page_text:
                continue
            # 检查两个关键词是否都在页面文本里（不区分大小写的话可以转成lower）
            if keyword1.lower() in page_text.lower() and keyword2.lower() in page_text.lower():
                # 把实际页码（从1开始）加入列表
                matching_pages.append(page_num + 1)
    return matching_pages

# 示例使用
if __name__ == "__main__":
    pdf_file = "your_document.pdf"  # 替换成你的PDF路径
    key1 = "Name"
    key2 = "Address"
    result = find_pages_with_both_keywords(pdf_file, key1, key2)
    if result:
        print(f"同时包含'{key1}'和'{key2}'的页面页码是：{result}")
    else:
        print(f"没有找到同时包含'{key1}'和'{key2}'的页面")

代码说明： #

• 用pdfplumber打开PDF，遍历每一页提取文本
• 加入了不区分大小写的匹配逻辑（如果需要严格区分大小写，去掉.lower()就行）
• 跳过了无法提取文本的页面（比如全是图片的页面，这类页面也不可能包含文本关键词）
• 返回的是实际页码（从1开始），符合日常阅读的页码习惯

可选调整： #

如果需要支持更多关键词（比如同时匹配3个），只需要把判断条件改成：

all(keyword.lower() in page_text.lower() for keyword in [key1, key2, key3])

内容的提问来源于stack exchange，提问作者Jormasnizar J