PyPDF2提取含指定语句PDF页面异常：仅保留最后匹配页求助

你的代码出现问题的核心原因有三个：

1. 每次匹配到目标页面时，都重新创建了PdfFileWriter实例，导致之前收集的页面全部丢失
2. 内部的for n in range(i)循环逻辑错误，它会添加0到i-1的所有页面，而非当前匹配的目标页面
3. 每次匹配都写入一次输出文件，后续写入会直接覆盖之前的内容，最终只保留最后一次的写入结果

以下是修正后的代码：

from PyPDF2 import PdfFileReader, PdfFileWriter
from pathlib import Path
import re

pdf = PdfFileReader(main_pdf)
target_string = "quick analysis"
# 只初始化一次PDF写入器，用于收集所有匹配页面
pdf_writer = PdfFileWriter()

for page_num in range(pdf.numPages):
    page_obj = pdf.getPage(page_num)
    page_text = page_obj.extractText()
    # 检查页面是否包含目标字符串，如需忽略大小写可添加re.IGNORECASE参数
    if re.search(target_string, page_text, flags=re.IGNORECASE):
        pdf_writer.addPage(page_obj)

# 所有页面遍历完成后，一次性写入结果文件
with Path("Result.pdf").open(mode="wb") as output_file:
    pdf_writer.write(output_file)

关键修改说明 #

• 将PdfFileWriter的初始化移到循环外部，确保所有匹配页面都被累积到同一个实例中
• 移除错误的内部循环，直接添加当前匹配的目标页面
• 将文件写入操作移到循环结束后，避免多次写入覆盖文件，一次性输出所有符合条件的页面
• 优化变量命名，提升代码可读性；可选添加re.IGNORECASE实现大小写不敏感匹配

内容的提问来源于stack exchange，提问作者Mazen