‘list index out of range’错误解析及PDF处理代码异常排查

核心问题分析 #

1. 条件判断语法错误：element[4].lower == 'product'写法错误，lower是字符串方法，必须通过element[4].lower()调用才能返回小写字符串；直接写element[4].lower得到的是方法对象，永远不可能等于字符串'product'，导致大量应匹配的场景未触发。
2. 临时列表未分页清空：wList、bList、lList是全局定义的列表，在每页处理前未清空，会导致跨页数据累积，甚至重复向word_info添加内容。
3. 执行时机误解：你看到的print(word_info)输出大概率是代码正确时的调试结果，而当前运行的代码因条件错误未生成任何有效数据，word_info实际为空，访问索引时自然触发报错。

解决方法 #

1. 修复条件判断逻辑
   将错误的条件语句修正为：

   if element[4] == 'Features' or element[4].lower() == 'product':
   

2. 分页清空临时列表
   在每页循环开始时清空临时列表，避免跨页数据干扰：

   for page in range(pages):
       wList.clear()
       bList.clear()
       lList.clear()
       print(f'page:{page}')
       # 后续元素处理逻辑...
   

3. 添加空值判断避免索引报错
   在访问word_info元素前先判断列表是否为空：

   if word_info:
       print(word_info[0][0])
   else:
       print("word_info为空，无数据可访问")
   

4. 优化内部循环逻辑（可选）
   去掉冗余的计数器，直接通过索引切片获取后续元素，提升代码效率和可读性：

   for page in range(pages):
       wList.clear()
       bList.clear()
       lList.clear()
       print(f'page:{page}')
       words = doc[page].get_text("words")  # 提前获取整页word数据
       for idx, element in enumerate(words):
           print(element)
           if element[4] == 'Features' or element[4].lower() == 'product':
               # 直接取当前元素之后的所有word
               for element_1 in words[idx+1:]:
                   wList.append(element_1[word])
                   bList.append(element_1[block])
                   lList.append(element_1[line])
       # 后续word_info拼接逻辑...
   

内容的提问来源于stack exchange，提问作者Abdelrhaman Makled