Finden, auf welcher Seite ein Suchstring in einem PDF-Dokument mit Python gefunden wird

Question

Welche Python-Pakete kann ich verwenden, um herauszufinden, auf welcher Seite sich ein bestimmter "Suchstring" befindet?

Ich schaute in mehrere Python-PDF-Pakete, aber konnte nicht herausfinden, welche ich verwenden sollte. PyPDF scheint nicht diese Funktionalität zu haben und PDFMiner scheint ein Overkill für solch eine einfache Aufgabe zu sein. Irgendwelche Ratschläge?

Präziser: Ich habe mehrere PDF-Dokumente und ich möchte Seiten extrahieren, die zwischen einer Zeichenfolge "Begin" und einer Zeichenfolge "End" sind.

Answer 1

Ich habe endlich herausgefunden, dass PyPDF helfen kann. Ich poste es für den Fall, dass es jemand anderem helfen kann.

(1) eine Funktion die Zeichenfolge

def fnPDF_FindText(xFile, xString): 
    # xfile : the PDF file in which to look 
    # xString : the string to look for 
    import pyPdf, re 
    PageFound = -1 
    pdfDoc = pyPdf.PdfFileReader(file(xFile, "rb")) 
    for i in range(0, pdfDoc.getNumPages()): 
     content = "" 
     content += pdfDoc.getPage(i).extractText() + "\n" 
     content1 = content.encode('ascii', 'ignore').lower() 
     ResSearch = re.search(xString, content1) 
     if ResSearch is not None: 
      PageFound = i 
      break 
    return PageFound 

(2), eine Funktion zu finden, die Seiten von Interesse

def fnPDF_ExtractPages(xFileNameOriginal, xFileNameOutput, xPageStart, xPageEnd): 
     from pyPdf import PdfFileReader, PdfFileWriter 
     output = PdfFileWriter() 
     pdfOne = PdfFileReader(file(xFileNameOriginal, "rb")) 
     for i in range(xPageStart, xPageEnd): 
      output.addPage(pdfOne.getPage(i)) 
      outputStream = file(xFileNameOutput, "wb") 
      output.write(outputStream) 
      outputStream.close() 

ich das jemandem nützlich sein wird hoffen, zu extrahieren sonst