这是我第一次使用PDFQuery来抓取PDF
我需要做的是从一个有几页的价目表中获取价格,我想把产品代码给PDFQuery,它应该找到代码并返回旁边的价格。问题是,在Github页面上使用第一个示例可以获得文本的位置,但它清楚地表明“请注意,我们不必知道名称在页面上的位置,或者它在哪个页面上”。我的价目表就是这样,但是所有其他示例都指定了页码(LTPage[pageid=1]),但是我看不到从哪里得到页码。在
如果我不指定页码,它会返回所有页面在同一位置的所有文本。在
另外,我还添加了一个exactText函数,因为代码可以是,例如“92005”、“92005C”、“92005G”,因此单独使用:contains并没有多大帮助。在
我尝试过选择元素所在的页面,并使用JQuery.closest,但都没有成功。在
我的代码现在是这样的:import pdfquery
pdf = pdfquery.PDFQuery("tests/samples/priceList.pdf")
pdf.load()
code = "92005G"
def exactText():
element = str(vars(this))
text = str("u'" + code + "\\n'")
if text in element:
return True
return False
#This should work if i could select the page where the elem