python - 无法从文件夹中保存的所有 pdf 的第一页中提取值
问题描述
我在文件夹中保存了一些 22 个 pdf 文件。pdf 是法文的,第一页包含一行文本,开头有日期。我正在尝试从第一页的每一页中提取日期并将其放入数据框中。但是当我运行代码时,它产生的日期值行数比 22 多。
这是我写的代码
chk_files = os.listdir("C:\\Users")
new_pdf_files = [fil for fil in chk_files if ".pdf" in fil]
for fil in new_pdf_files:
object = PyPDF2.PdfFileReader(fil)
NumPage = object.getNumPages()
for i in range(0, NumPage):
pdfFileObj = open(fil, 'rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
pageObj = pdfReader.getPage(0)
s= (pageObj.extractText())
partitioned_string = s.partition('B')
partitioned_string[0]
translator = google_translator()
translate_text = translator.translate(partitioned_string[0],lang_src='fr', lang_tgt='en')
string_date= str(translate_text)
upper_string_date=string_date.upper()
dt = parse(upper_string_date)
announement_date = print(dt.strftime('%d-%B-%Y').upper())
print(announement_date)
所有第一页都有这样一行文字
“24 mai 2021BULLETIN DES ANNONCES LEGALES OBLIGATOIRESBulletin n°622102172Page 1Avis de convocation / avis de réunion'”我正在尝试提取开头的第一个日期
输出
2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2 月 24 日021 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 5 月 24 日- 2021 年 5 月 24 日 2021 年 24 月2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日 24- 2021 年 5 月 2021 年 5 月 24 日 2021 年 5 月 24 日 2021 年 5 月 24 日
它来了 196 次,但应该是 22
解决方案
推荐阅读
- anaconda - 有人知道如何修复 linux 3 2018 anaconda x86_64 安装程序吗?
- s4sdk - 在 SCP Neo 中使用 S4 SDK 部署我的项目导致错误
- docker - 在容器环境中管理机密和配置
- php - 日期差异不起作用,日期时间对象
- powershell - 如何在powershell中的foreach循环之前从文本文件中提取一种模式
- python - 带有 feature_column 的 TensorForestEstimator 抛出 TypeError
- bash - Shell 脚本需要更长的时间进行压缩以及查找
- agens-graph - 如何在 AgensGraph 上获取数组的标签?
- android - 如果我不想使用黄油刀,如何使用 ViewHolder
- kubernetes - Istio ServiceEntry 不工作(用于外部 tcp 端口 22 (ssh))