达叔926词汇pdf单词提取、保存

我在_你呢？

已于 2022-11-28 19:25:37 修改

阅读量6.3k

点赞数 1

文章标签： pdf python

于 2022-11-16 00:13:46 首次发布

本文链接：https://blog.csdn.net/k134826/article/details/127873431

版权

本文介绍如何使用Python从PDF中提取单词，通过正则表达式筛选，存储到Excel，最后转换成CSV以导入Anki进行学习。涉及到的库包括pdfplumber和openpyxl。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

需求：将pdf中的单词，通过正则表达式提取，保存到excel。将excel文件另存为.csv格式,导入到anki制成卡牌学习。

注：因为本人是业余，水平有限，如果讲解有错误，欢迎指正。另外，本文使用的926词汇pdf资料请自行准备。

全部代码

import pdfplumber
import re
import openpyxl

ad=[]
k=[]
for l in range(1,19):
    adress=f"D:/BaiduNetdiskDownload/李达926逐词精讲-词汇{l}笔记.pdf"
    ad.append(adress)
    pdf = pdfplumber.open(adress)
    print(f'正在写入{adress}')
    for i in range(len(pdf.pages)):
       page = pdf.pages[i]
       wk = page.extract_text()
       k.append(wk)
wb = ''.join(k)
wb = wb.replace('改变就橙啦橙啦，大学生学习成长平台'," ")
num = re.findall('(\d+).*?\[', wb)
text = re.findall('\d+(.*?)\[', wb)
chinese = re.findall('](.*?)【真题例句',wb,re.S)   #re.S的作用是使匹配包含换行符\n、\t，即空格与换行

xs = openpyxl.Workbook()
xl = xs.active
xl.title = '达叔926'
xl['A1']='序号'
xl['B1']='英文'
xl['C1']='中文|助记'
q=2
for a,b,c in zip(num,text,chinese):
    xl.cell(q,1,a)
    xl.cell(q,2,b)
    xl.cell(q,3,c)
    q+=1
xs.save('达叔926.xlsx')