使用 python PyMuPDF (fitz) 遍历行并检查它的长度，如果符合条件则添加句点

Question

尝试遍历 PyMuPDF 库中页面的每一行来检查句子的长度，如果少于 10 个单词，那么我想添加一个句号。伪代码为：

#loop through the lines of the PDF
#check number of words in line
#if line has less than 10 words 
#add period

下面是真实代码：

import fitz
myfile = "my.pdf"
doc  =fitz.open(myfile)
page=doc[0]
for page in doc:
    text = page.getText("text")
    print(text)

当我添加另一个 for 循环时，例如 for line in page:

我收到一条错误消息，指出页面不可迭代。我还有其他方法可以做到这一点吗？

谢谢

Answer 1

为了遍历页面行，您可以使用 getDisplayList:

page_display = page.getDisplayList()
dictionary_elements = page_display.getTextPage().extractDICT()
for block in dictionary_elements['blocks']:
    for line in block['lines']:
        line_text = ''
        for span in line['spans']:
             line_text += ' ' + span['text]
        print(l

使用 python PyMuPDF (fitz) 遍历行并检查它的长度，如果符合条件则添加句点

Using python PyMuPDF (fitz) to iterate through lines and check length of it and add a period if it meets the criteria

python

pymupdf