代码陷入死循环及改用for循环实现PDF文本提取的求助

无限while循环的原因 #

你的while循环条件index<=len(pdfs)存在逻辑错误：列表的有效索引范围是0到len(pdfs)-1，当index等于len(pdfs)时，访问pdfs[index]会触发IndexError。若代码运行中未直接崩溃，后续index +=1会让索引持续增长，最终导致循环无法终止。正确的循环条件应为index < len(pdfs)。

修复后的while循环代码 #

import glob
import PyPDF2

pdfs = glob.glob("/private/babik/*.pdf")
index = 0
while index < len(pdfs):
    # 使用with语句自动管理文件资源，避免手动关闭遗漏
    with open(str(pdfs[index]), 'rb') as pdfFileObj:
        pdfReader = PyPDF2.PdfFileReader(pdfFileObj, strict=False)
        print(pdfReader.numPages)
        pageObj = pdfReader.getPage(0)
        print(pageObj.extractText())
    index += 1

改用for循环的实现 #

for循环可直接遍历PDF路径列表，无需手动维护索引，代码更简洁直观：

import glob
import PyPDF2

pdfs = glob.glob("/private/babik/*.pdf")
for pdf_path in pdfs:
    with open(pdf_path, 'rb') as pdfFileObj:
        pdfReader = PyPDF2.PdfFileReader(pdfFileObj, strict=False)
        print(pdfReader.numPages)
        pageObj = pdfReader.getPage(0)
        print(pageObj.extractText())

额外优化提示 #

• 始终用with语句处理文件操作，确保资源自动释放
• 若需提取所有页面文本，可嵌套循环遍历pdfReader.numPages
• 可添加try-except块捕获PDF加密、损坏等异常，提升代码健壮性

内容的提问来源于stack exchange，提问作者Babiqowski