0

我已经让 pypdf 对单个 pdf 文件工作得很好，但我似乎无法让它对大量文件工作，或者在多个 pdf 的 for 循环中工作，而不会因为字符串不可调用而失败。有什么想法可以用作解决方法吗？

def getPDFContent(path):
    content = ""
    # Load PDF into pyPDF
    pdf = pyPdf.PdfFileReader(file(path, "rb"))
    # Iterate pages
    for i in range(0, pdf.getNumPages()):
        # Extract text from page and add to content
        content += pdf.getPage(i).extractText() + "\n"
    # Collapse whitespace
    content = " ".join(content.replace(u"\xa0", " ").strip().split())
    return content

#print getPDFContent(r"Z:\GIS\MasterPermits\12300983.pdf").encode("ascii", "ignore")


#find pdfs            
for root, dirs, files in os.walk(folder1):
    for file in files:
      if file.endswith(('.pdf')):
          d=os.path.join(root, file)
          print getPDFContent(d).encode("ascii", "ignore")

Traceback (most recent call last):
  File "C:\Documents and Settings\dknight\Desktop\readpdf.py", line 50, in <module>
    print getPDFContent(d).encode("ascii", "ignore")
  File "C:\Documents and Settings\dknight\Desktop\readpdf.py", line 32, in getPDFContent
    pdf = pyPdf.PdfFileReader(file(path, "rb"))
TypeError: 'str' object is not callable

我正在使用一个列表，但我得到了完全相同的错误，我认为这没什么大不了的，但现在它正在成为一个。我知道我能够在 arcpy 中解决类似的问题，但这还不是很接近

4

1 回答 1

2

尽量不要对变量名使用内置类型：

不要这样做：

for file in files:

改为这样做：

 for myfile in files:
于 2013-07-23T19:15:09.980 回答