大家好，我是皮皮。
一、前言
前几天在帮助粉丝解决问题的时候，遇到一个简单的小需求，需要批量提取pdf文件目标信息，这里拿出来跟大家一起分享，后面再次遇到的时候，可以从这里得到灵感。
二、需求澄清
下面他下载的pdf文件，有几百个文件，这里拿出部分做示例，每个pdf文件里边有一个统一社会信用代码，后面的数字和字符是他的目标信息，需要提取出来。
三、实现过程
这里实现主要借用了pdf文件读取库和正则表达式来提取，先给出单个pdf文件提取的方法，代码如下所示：
from pdfminer import high_level
import re
text = high_level.extract_text('1.pdf') # 提取pdf中的文本信息
# print(text)
regex = r'统一社会信用代码：(.*?)\n'
xinyongcode = re.findall(regex, text)
print(xinyongcode)
有了前面的代码打底之后，接下来就可以实现批量处理了，代码如下所示：
from pdfminer import high_level
from pdfminer.layout import LTTextContainer # 文本容器
import re
import os
for root, dirs, files in os.walk('./'):
# root 表示当前正在访问的文件夹路径; dirs 表示该文件夹下的子目录名list;files 表示该文件夹下的文件list
# 遍历文件
for f in files:
file_name = os.path.join(root, f)
if file_name.endswith('.pdf'):
text = high_level.extract_text(file_name) # 提取pdf中的文本信息
regex = r'统一社会信用代码：(.*?)\n'
xinyongcode = re.findall(regex, text)
print(xinyongcode[0])
代码运行之后，可以依次得到所有文件携带的目标信息，如下图所示：
剩下的工作就不多赘述了，大家自行考虑即可。
三、总结
大家好，我是皮皮。这篇文章主要盘点一个批量提取pdf文件目标信息的实用案例，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。