如何使用Python提取PDF中的指定文本（含精准匹配示例）

核心思路 #

先通过PDF库提取全文本，再用正则表达式精准匹配目标内容——这是处理这类需求的通用方法。

修正原代码并实现特定提取 #

你原代码存在两个小问题：路径未转义（Python中反斜杠需转义或用原始字符串）、open函数括号未闭合。以下是修正后并添加特定文本提取逻辑的代码：

import PyPDF2
import re

# 用原始字符串避免路径转义问题，同时补全open的闭合括号
with open(r"C:\Users\ME\Desktop\test.pdf", "rb") as pdf:
    reader = PyPDF2.PdfReader(pdf)
    page = reader.pages[0]
    text = page.extract_text()

# 用正则匹配"Name:"后到逗号前的内容
match = re.search(r'Name:\s*(.*?)\s*,', text)
if match:
    target_text = match.group(1)
    print(target_text)  # 输出示例中的"Python"
else:
    print("未找到匹配的内容")

正则表达式说明：

• Name:\s*：匹配"Name:"及后续任意数量的空白字符（空格、制表符等）
• (.*?)：非贪婪匹配任意字符，捕获我们需要的目标内容
• \s*,：匹配逗号前的任意空白字符和逗号本身

备选方案：使用pdfplumber提升文本提取准确性 #

如果PyPDF2提取的文本存在格式错乱（比如换行拆分了目标内容），可以试试pdfplumber，它的文本提取更贴近原始排版：

1. 先安装依赖：

pip install pdfplumber

2. 示例代码：

import pdfplumber
import re

with pdfplumber.open(r"C:\Users\ME\Desktop\test.pdf") as pdf:
    page = pdf.pages[0]
    text = page.extract_text()

match = re.search(r'Name:\s*(.*?)\s*,', text)
if match:
    print(match.group(1))
else:
    print("未找到匹配的内容")

内容的提问来源于stack exchange，提问作者Maqred