Python实现PDF提取文本每句仅首字母大写其余字母小写

实现思路 #

用正则表达式匹配句子起始位置（字符串开头或. ! ?三种结束符加空白字符后的第一个字符），先将全文本转为小写，再将匹配到的句首字符转为大写即可。

完整代码 #

步骤1：导入依赖 #

import re

步骤2：定义文本处理函数 #

def capitalize_sentences(text):
    # 全文字符统一转小写
    text = text.lower()
    # 匹配句首位置的小写字母，替换为大写
    return re.sub(
        r'(^|[.!?]\s+)([a-z])',
        lambda match: match.group(1) + match.group(2).upper(),
        text
    )

步骤3：整合到原有流程中 #

在你已经完成的换行、换页符清理逻辑后调用该函数即可：

# 原有特殊字符清理逻辑
text = text.replace('\n', '')
text = text.replace('\x0c', '')
# 新增句首大写处理
text = capitalize_sentences(text)
print(text)

特殊场景说明 #

如果需要保留GPIC、GRI这类专有名词的大写格式，需要额外补充专有名词匹配逻辑，可以提供更多需求细节后再做调整。 #

内容的提问来源于stack exchange，提问作者StressedBoi69420