使用Pyttsx3转换长PDF为MP3仅生成最后一页内容的问题排查

你的代码能打印所有页面文本，但生成的MP3只有最后一页，问题出在循环里每次都覆盖了clean_text变量，没有把所有页面的文本累加起来。

原代码中，循环内的clean_text = text.strip().replace('\n', ' ')每次都会用当前页的文本替换掉之前的内容，循环结束后clean_text只保留最后一页的文本，所以save_to_file只保存了最后一页。

修复步骤： #

• 在循环前初始化一个空字符串，用来存储所有页面的文本
• 循环内将每一页的处理后文本追加到这个字符串中
• 最后用这个完整的字符串生成MP3

修改后的代码： #

import pyttsx3, PyPDF2
import os

file_path = input('Enter a file path:')

if os.path.exists(file_path):   
    pdfreader = PyPDF2.PdfFileReader(open(file_path, 'rb'))
    engine = pyttsx3.init()
    # 初始化空字符串存储所有页面文本
    full_text = ""

    for page_num in range(pdfreader.numPages):
        text = pdfreader.getPage(page_num).extract_text()
        clean_text = text.strip().replace('\n', '    ')
        print(clean_text)
        # 将当前页文本追加到总文本中，加空格分隔避免页面内容粘连
        full_text += clean_text + "  "

    voices = engine.getProperty('voices')
    engine.setProperty('voice', voices[1].id)
    rate = engine.getProperty('rate')
    engine.setProperty('rate', rate-55)
    # 使用总文本生成完整MP3
    engine.save_to_file(full_text, 'story.mp3')
    engine.runAndWait()

    engine.stop()

else:
    print('The specified file does not exist')   

这样修改后，full_text会包含所有页面的文本，生成的MP3就是完整内容了。

内容的提问来源于stack exchange，提问作者SplizZPy