扫描文本文档中的字符串并保存出现索引列表-奇怪的模式

如何解决扫描文本文档中的字符串并保存出现索引列表-奇怪的模式

Python 3.8-我有一个pdf文档，其中包含3至5页的多个文档，所有文档都串在一起形成一个pdf。我将其转换为txt文档就可以了。

我需要从每个文档中提取一些信息，因此我将文本文档分成几行，并尝试简单地扫描这些行，如果行中显示“ Page 1”，然后将该索引存储到一个列表中。然后，我将知道要在找到第1页的前两个索引之间搜索我的第一个文档的信息。

此索引值列表的结果使我很困惑。请参见下面。

pdf_list = next(os.walk(pdf_directory))[2]

for each_pdf in pdf_list:
    extension = str(each_pdf[-4:])
    if extension == '.pdf':
        with open(each_pdf,"rb") as f:
            pdf = pdftotext.PDF(f)
        with open(str(each_pdf[:-4] + '.txt'),"w") as f:
            f.write("\n\n".join(pdf))
#All groovy so far.. turned it into a .txt file. Looks correct.

for each_txt in pdf_list:
    extension = str(each_txt[-4:])
    if extension == '.txt':
        with open(each_txt,"r") as f:
            text = f.read()
            lines = text.splitlines()
            page_1_indices = []

            for each in lines:
                if "Page 1" in each:
                    new_index = lines.index(each)
                    page_1_indices.append(new_index)
            print(page_1_indices)

这里是输出...它循环回到以前的位置，所以很不稳定，以至于我看不到任何图案。我的意思是...就在大门口，索引4再次达到221？！

[0,88,221,310,874,986,1303,1915,2155,2512,3079,3336,3674,4181,4434,4743,5235,8259,8728,10691,12362,13232,14646,20468,22193,22193]

解决方法

我想我有工作。我只是直接引用了文本文件，然后退出尝试以其他方式拉索引并使用枚举。

with open(txt_file,"r") as f:
    text = f.read()
    lines = text.splitlines()
    page_1_indices = []
    for (i,j) in enumerate(lines):
        if "Page 1" in j:
            page_1_indices.append(i)
    print(page_1_indices)

输出：

[0，88，221，310，523，874，986，1167，1303，1392，1476，1691，1915，2062，2155，2295，2512，2719，2868，3079，3214，3336，3517， 3674，3838，3985，4181，4434，4612，4743，4886，5044，5235，5385，5584，5759，5887，6034，6121，6249，6327，6470，6562，6833，7016，7164，7364，7696， 7917，8110，8259，8399，8526，8639，8728，8862，9088，9346，9504，9638，9871，10049，10385，10473，10691，10891，11028，11209，11408，11488，11647，11934，12179， 12362、12541、12627、12830、12918、13075、13232、13304、13489、13578、13749、13968、14104、14226、14385、14507、14646、14867、15159、15295、15386、15543、15671、15851、16063， 16148，16348，16472，16635，16718，16806，16965，17068，17255，17376，17509，17672，17816，18009，18178，18317，18445，18626，18784，18947，19069，19256，19437，19571，19700， 19824、19934、20096、20295、20468、20602、20818、21017、21216、21337、21458、21579、21713、21912、22039、22193、22333、22507、22694、22828、22985、23166、23353、23481、23609， 23731，23883]