PDF提取：如何修改列表中namedtuple的单个元素并合并项目符号内容？

问题背景 #

我编写了从PDF提取信息的Python脚本，将每页读取为文本块。需求是：当检测到[V2G]标识时，保存标题、副标题、[V2G]相关文本及后续项目符号列表。

现有代码：

data = []
req = namedtuple('Req', 'a b c d e f')
    
for page in doc:
    dic = page.get_text("dict")
    blocks = dic['blocks']  # text blocks
    ...
    
    for b in blocks : 
        # 标题处理
        if (font1 == 'Cambria-Bold'):
            nr = text.partition(" ")[0]
            title = text.partition(" ")[2] 
        # 副标题处理
        elif font1 == 'Cambria':
            Sub_nr = text.partition(" ")[0] 
            sub_title = text.partition(" ")[2]
        # [V2G]文本处理
        elif text.startswith('[V2G'):                   
            id = text.replace('[', '')
            txt = text1.strip()
            data.append(req(nr, title, Sub_nr, sub_title, id, txt))
        
        # 项目符号列表处理（当前有问题）
        elif text.startswith("—"):
            text += "\n" + text

当前问题：项目符号列表位于[V2G]文本的下一个块，且并非所有[V2G]条目都带有项目符号列表。需要将项目符号文本与txt变量内容合并后存入namedtuple的f参数，更新列表最后一行的对应元素，想问是否可仅修改namedtuple的单个属性并更新列表中的对应元素？

解决方案 #

核心结论 #

namedtuple是不可变数据类型，无法直接修改单个属性，但可以通过以下两种方式实现需求：

方法1：使用namedtuple的_replace()方法生成新实例

_replace()会创建一个新的namedtuple实例，替换指定字段的值，之后用新实例覆盖列表中的旧元素：

# 捕获项目符号块时修改代码
elif text.startswith("—"):
    if data:  # 确保已有对应的[V2G]条目
        last_req = data[-1]
        # 合并原有文本与当前项目符号内容
        updated_content = last_req.f + "\n" + text.strip()
        # 生成新实例并替换列表最后一项
        data[-1] = last_req._replace(f=updated_content)

方法2：改用可变数据结构

如果觉得namedtuple的不可变性过于繁琐，可以替换成普通字典或者dataclass：

• 用dataclass的示例：

from dataclasses import dataclass

@dataclass
class Req:
    a: str
    b: str
    c: str
    d: str
    e: str
    f: str

# 后续代码中直接修改属性即可
elif text.startswith("—"):
    if data:
        data[-1].f += "\n" + text.strip()

额外注意事项 #

• 处理时要判断data列表不为空，避免出现索引越界错误
• 如果PDF中存在项目符号块不对应任何[V2G]条目的情况，需要添加过滤逻辑，避免无效更新
• 可以在初始化[V2G]条目时，将f字段初始化为空字符串或初始文本，后续逐步追加项目符号内容

内容的提问来源于stack exchange，提问作者user34088