如何打印含列表的字典元素？PDF提取字典数据打印不全求助

一、提取结果为空的可能原因与修复方案 #

从你的描述来看，你应该是多次调用pdf.extract()（对应不同坐标区域）来提取SRN、PMI等字段，但只有第一个区域返回了有效文本，其他两个是空值。这里有几个可能的问题和解决办法：

1. 坐标区域不准确 #

你使用的in_bbox("%s,%s,%s,%s")依赖精确的坐标范围，如果坐标选得不对（比如只框到了空白区域，或者文本不在这个范围内），提取到的LTTextLineHorizontal对象的text就会是空字符串。

• 建议先打印每个区域匹配到的LTTextLineHorizontal对象的详细信息，确认是否真的包含文本：

  cells = pdf.extract([('cells', 'LTTextLineHorizontal:in_bbox("%s,%s,%s,%s")' % (x,y,x1,y1))])
  # 打印匹配到的所有对象的属性
  for cell in cells['cells']:
      print(f"文本内容: {cell.text}, 坐标: {cell.bbox}")
  

  这样能直观看到每个对象的实际文本和位置，判断是否是坐标选得有问题。

2. 文本对象类型不匹配 #

PDF里的文本可能不是LTTextLineHorizontal类型，比如可能是LTTextBoxHorizontal或者其他类型。你可以放宽选择器，先匹配所有文本对象，再筛选：

# 先提取所有文本对象，再根据坐标过滤
all_text = pdf.pages[0].extract_text_objects()
target_cells = [obj for obj in all_text if obj.bbox[0] >= x and obj.bbox[1] >= y and obj.bbox[2] <= x1 and obj.bbox[3] <= y1]
# 打印这些对象的类型和文本
for obj in target_cells:
    print(f"对象类型: {type(obj).__name__}, 文本: {obj.text}")

这样能找到正确的文本对象类型，再调整你的extract选择器。

3. 处理代码的优化 #

你的返回代码是[cell.text.encode('utf-8').strip() for cell in cells['cells']]，如果cells['cells']里有多个文本行，会返回一个列表。如果只需要单个文本，可以取第一个元素（如果确定只有一个）：

result = cells['cells'][0].text.encode('utf-8').strip() if cells['cells'] else b''
return result

避免返回列表形式，方便后续打印。

二、如何打印包含列表的字典内所有元素 #

对于类似{'cells': [<LTTextLineHorizontal>, <LTTextLineHorizontal>]}这样的字典，要遍历并打印所有元素，可以这样做：

方法1：遍历字典的键值对，再遍历列表元素 #

def print_dict_with_list(d):
    for key, value in d.items():
        print(f"键: {key}")
        if isinstance(value, list):
            print("列表元素:")
            for idx, item in enumerate(value):
                # 如果是LTTextLineHorizontal对象，打印其text和bbox属性
                if hasattr(item, 'text') and hasattr(item, 'bbox'):
                    print(f"  元素{idx}: 文本='{item.text}', 坐标={item.bbox}")
                else:
                    print(f"  元素{idx}: {item}")
        else:
            print(f"值: {value}")

# 调用示例
cells = pdf.extract([('cells', 'LTTextLineHorizontal:in_bbox("%s,%s,%s,%s")' % (x,y,x1,y1))])
print_dict_with_list(cells)

方法2：直接打印对象的repr（适合调试） #

如果你只是想快速查看所有内容，可以直接打印字典的字符串表示，或者使用pprint模块格式化输出：

import pprint
pprint.pprint(cells)

这样会以更清晰的结构显示字典和列表里的所有元素细节。

三、额外建议 #

• 确认你使用的是pdfplumber库（从LTTextLineHorizontal和extract方法来看应该是），确保版本是最新的，避免旧版本的bug。
• 如果是多页PDF，要确认你操作的是正确的页面（比如pdf.pages[0]是第一页）。

内容的提问来源于stack exchange，提问作者Prashant