如何用Python+PyPDF2提取PDF文本中字母后紧跟的6位数字？

嘿，这个问题用正则表达式来解决最顺手不过了！你之前用切片和列表操作搞不定很正常，因为这种带特定模式的文本提取，正则才是专门干这个的工具。

步骤1：明确匹配模式 #

我们需要定位的是单个字母（大小写均可）紧跟6位数字的组合，对应的正则模式是：[A-Za-z]\d{6}

• [A-Za-z]：匹配任意一个大小写英文字母
• \d{6}：精准匹配连续的6位数字（\d代表数字，{6}表示必须正好匹配6次）

如果你的需求里只需要大写字母开头的组合（比如你例子里的A开头），可以把模式改成：[A-Z]\d{6}

步骤2：结合PyPDF2的完整代码实现 #

先导入正则模块re，再结合你已有的PyPDF2文本提取逻辑，代码如下：

import re
from PyPDF2 import PdfReader

# 用PyPDF2提取PDF文本到text变量
reader = PdfReader("你的PDF文件路径.pdf")
extracted_text = ""
for page in reader.pages:
    extracted_text += page.extract_text()

# 提取所有符合模式的组合
target_matches = re.findall(r'[A-Za-z]\d{6}', extracted_text)

# 查看结果
print(target_matches)

测试示例字符串 #

用你给出的测试字符串验证效果：

test_str = "A12345612341234 asdfa we'a aslkfj4353 alsdfasA345678asA858585943"
matches = re.findall(r'[A-Za-z]\d{6}', test_str)
print(matches)  # 输出: ['A123456', 'A345678', 'A858585']

完全符合你想要的提取结果！

补充说明 #

• 如果不需要小写字母开头的组合，把正则模式换成[A-Z]\d{6}即可
• re.findall()会返回所有匹配到的结果列表，方便你后续做存储、筛选等操作

内容的提问来源于stack exchange，提问作者Winget