如何使用PyPDF2提取PDF匹配字符串对应span后紧跟的三位数字

1 先修正原有代码的顺序错误 #

你现有代码的执行顺序有问题，PageObj 变量定义在调用它提取文本之后，会触发未定义报错，先调整执行顺序：

import re
import PyPDF2

# 初始化PDF读取对象
pdf_reader = PyPDF2.PdfFileReader(filename)
# 先获取页面对象
PageObj = pdf_reader.getPage(0) 
# 再提取页面文本
Text = PageObj.extractText()

2 调整正则规则动态提取三位数字 #

不需要依赖固定的span位置，直接用正则捕获组匹配your number is后紧跟的三位数字即可：

# 定义匹配规则，用括号包裹需要提取的部分形成捕获组
pattern = r'your number is (\d{3})'
ResSearch = re.search(pattern, Text)

# 提取结果，增加判空避免匹配不到时报错
if ResSearch:
    target_num = ResSearch.group(1)
    print(target_num) # 输出就是你要的三位数字，比如示例里的105
else:
    print("未匹配到目标内容")

规则说明 #

• r'your number is ' 先精准匹配前缀字符串
• \d{3} 表示匹配连续3位数字
• 外层括号()是捕获组，匹配到的内容会单独存入group(1)，直接调用即可拿到目标数字，不需要手动计算偏移量，即使PDF更新后字符串位置变化，只要前缀存在就能正常提取。

内容的提问来源于stack exchange，提问作者user17312322