使用Python从PDF财务报表提取Accounts Payable关联数值遇阻

• 目标：从PDF财务报表中提取**Accounts Payable（应付账款）**及对应2021、2022年的数值，预期输出格式为「Accounts Payable 219,200 290,000」
• 现状：代码运行未达预期，已尝试打印文本行排查关键词、去除$符号排除干扰，但问题仍未解决

import PyPDF2
import re
# Path: \"C:\\Users\\thavo\\Downloads\\ECCREPORT.pdf\"
# \"C:\\Users\\thavo\\Downloads\\FY23_Q1_Consolidated_Financial_Statements.pdf\"

with open(r\"C:\\Users\\thavo\\Downloads\\FY23_01_Consolidated_Financial_Statements.pdf\", \"rb\") as file:
    pdf_reader = PyPDF2.PdfReader(file)
    page = pdf_reader.pages[0]
    content_of_file = page.extract_text()
    lines_of_desired_page = content_of_file.split(\"\\n\")
    print(lines_of_desired_page)
    for line in lines_of_desired_page:
        if \"net\" in line.lower():
            financial_data = line.strip().split(\" \")#[-2:]
            values = [re.sub(',', '', value) for value in financial_data]
            print(values[1])
        else:
            print(\"Cant find\") 
            break

*注：代码存在核心逻辑错误：

1. 循环遇到第一行不含"net"的内容就直接终止，无法遍历所有行查找目标关键词
2. 目标是查找Accounts Payable，但判断条件写成了"net"，完全偏离需求
3. 字符串转义符冗余，路径中的\"属于无效写法*

import PyPDF2
import re

# 替换为你的PDF文件路径
pdf_path = r"C:\Users\thavo\Downloads\FY23_01_Consolidated_Financial_Statements.pdf"

with open(pdf_path, "rb") as file:
    pdf_reader = PyPDF2.PdfReader(file)
    # 遍历所有页面查找目标数据（若确定页码可直接指定，如pdf_reader.pages[0]）
    for page in pdf_reader.pages:
        content = page.extract_text()
        if not content:
            continue
        # 正则匹配Accounts Payable及后续两个年份的数值
        pattern = re.compile(r'Accounts Payable\s+([\d,]+)\s+([\d,]+)')
        match_result = pattern.search(content)
        if match_result:
            year_2021_val = match_result.group(1)
            year_2022_val = match_result.group(2)
            print(f"Accounts Payable {year_2021_val}    {year_2022_val}")
            break
    else:
        print("未找到Accounts Payable相关数据")

• 修正核心逻辑：将匹配关键词改为Accounts Payable，用正则表达式精准匹配目标文本格式，避免拆分字符串的不确定性
• 移除无效终止逻辑：遍历所有行（甚至所有页面）查找目标，而非第一行不匹配就停止
• 优化数据提取：正则直接捕获应付账款后的两个数值，自动忽略多余空格
• 简化代码写法：清理无效转义符，添加注释提升可读性

内容的提问来源于stack exchange，提问作者Ty_Guy