PyPDF2代码报错'_VirtualList' object is not callable，需将PDF文本导入Excel列

需求 #

将指定文件夹中的PDF文件文本提取到Excel表格的对应列中（每个PDF对应一列，每页文本对应该行）。

原代码 #

import os
from openpyxl import Workbook
from PyPDF2 import PdfReader

input_folder = r"C:\Users\91620\OneDrive\Desktop\Final Year Project\case laws (2)\New folder (2)"
output_file = r"C:\Users\91620\OneDrive\Desktop\Final Year Project\sentemental.xlsx"

wb = Workbook()
ws = wb.active

for i, filename in enumerate(os.listdir(input_folder)):
    if filename.endswith(".pdf"):
       filepath = os.path.join(input_folder, filename)
       with open(filepath, "rb") as f:
           pdf = PdfReader(f)
           readerpdf=len(pdf.pages())
           for page in range(readerpdf):
               text = pdf.getPage(page).extractText()
               ws.cell(row=page+1, column=i+1).value = text

wb.save(output_file)

错误信息 #

TypeError                                 Traceback (most recent call last)
Cell In [9], line 16
     14 with open(filepath, "rb") as f:
     15     pdf = PdfReader(f)
---> 16     readerpdf=len(pdf.pages())
     17     for page in range(readerpdf):
     18         text = pdf.getPage(page).extractText()

TypeError: '_VirtualList' object is not callable

错误原因 #

1. pdf.pages是属性而非方法：你错误地给pages加了括号()，它是PyPDF2中存储PDF页面的列表式属性，直接访问即可，不需要调用。
2. API版本差异：PyPDF2的新版本中，getPage()方法已被废弃，改用pdf.pages[page_index]来访问指定页面。

修正后的代码 #

import os
from openpyxl import Workbook
from PyPDF2 import PdfReader

input_folder = r"C:\Users\91620\OneDrive\Desktop\Final Year Project\case laws (2)\New folder (2)"
output_file = r"C:\Users\91620\OneDrive\Desktop\Final Year Project\sentemental.xlsx"

wb = Workbook()
ws = wb.active

for col_idx, filename in enumerate(os.listdir(input_folder), start=1):
    if filename.endswith(".pdf"):
        filepath = os.path.join(input_folder, filename)
        with open(filepath, "rb") as f:
            pdf = PdfReader(f)
            # 直接访问pages属性获取长度，无需调用
            total_pages = len(pdf.pages)
            for row_idx in range(total_pages):
                # 用pages[索引]替代废弃的getPage方法
                page = pdf.pages[row_idx]
                text = page.extract_text()
                # 行从1开始，列对应当前PDF的索引
                ws.cell(row=row_idx+1, column=col_idx).value = text

wb.save(output_file)

额外说明 #

• 修正了循环变量命名（col_idx/row_idx），提升代码可读性
• 改用enumerate(..., start=1)直接从1开始计数列索引，避免后续i+1的冗余计算
• 使用extract_text()替代旧版的extractText()（新版本PyPDF2中两者兼容，但前者更符合PEP8命名规范）

内容的提问来源于stack exchange，提问作者Nayan Prakash Lal