Python 提取 PDF 文件的标题、日期和内容并将其存储到 MySQL 数据库中
创始人
2025-05-31 09:05:10
0次

一、要使用 Python 提取 PDF 文件的标题、日期和内容并将其存储到 MySQL 数据库中,您可以按照以下步骤操作:

1.安装必要的库:pdfminer, PyPDF2, mysql-connector-python.
pip install pdfminer PyPDF2 mysql-connector-python

2.导入必要的库并连接到 MySQL 数据库。

import mysql.connector
from mysql.connector import Error
from mysql.connector import errorcode
import PyPDF2
from pdfminer.high_level import extract_text
try:connection = mysql.connector.connect(host='localhost',database='database_name',user='username',password='password')if connection.is_connected():cursor = connection.cursor()print("Connected to MySQL database")except Error as e:print("Error while connecting to MySQL", e)

3.打开 PDF 文件并提取其标题、日期和内容。

pdf_file = open('file.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)
title = pdf_reader.documentInfo.title
date = pdf_reader.documentInfo['/CreationDate']
content = extract_text('file.pdf')

4.将提取的信息插入到 MySQL 数据库中。

try:cursor.execute("INSERT INTO table_name (title, date, content) VALUES (%s, %s, %s)", (title, date, content))connection.commit()print("Record inserted successfully into MySQL database")except mysql.connector.Error as error:print("Failed to insert record into MySQL database {}".format(error))finally:if connection.is_connected():cursor.close()connection.close()print("MySQL connection is closed")

请注意,您需要将database_name、username、password和替换table_name为您自己的数据库信息。此外,请确保 PDF 文件与 python 脚本位于同一目录中,或者指定文件的完整路径。

二、详例解析
1.假定文本内容

Title: Sample PDF Document
Date: 2022-03-20
Content: Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed at est at lectus viverra malesuada. Pellentesque fermentum dolor vel finibus consequat. Nulla facilisi.

2.创建数据表存储PDF数据

CREATE TABLE pdf_data (id INT AUTO_INCREMENT PRIMARY KEY,title VARCHAR(255),date DATE,content TEXT
);

3.编写Python代码将其解析存入数据库中

import PyPDF2
from datetime import datetime
import mysql.connector# Open the PDF file
pdf_file = open('sample.pdf', 'rb')# Read the PDF metadata
pdf_reader = PyPDF2.PdfFileReader(pdf_file)
pdf_info = pdf_reader.getDocumentInfo()
title = pdf_info.title# Read the PDF content
content = ''
for page_num in range(pdf_reader.numPages):page = pdf_reader.getPage(page_num)content += page.extractText()# Format the date
date_str = pdf_info.get('CreationDate')[2:10]
date = datetime.strptime(date_str, '%Y%m%d').date()# Store the data in the MySQL database
cnx = mysql.connector.connect(user='username', password='password', host='localhost', database='pdf_db')
cursor = cnx.cursor()
add_pdf = ("INSERT INTO pdf_data (title, date, content) VALUES (%s, %s, %s)")
pdf_data = (title, date, content)
cursor.execute(add_pdf, pdf_data)
cnx.commit()# Close the database connection and PDF file
cursor.close()
cnx.close()
pdf_file.close()

4.插入成功后在数据库库中查询

SELECT * FROM pdf_data;

大致结果如下:

idtitledatecontent
1Sample PDF Document2022-03-20Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed at est at lectus viverra malesuada. Pellentesque fermentum dolor vel finibus consequat. Nulla facilisi.

相关内容

热门资讯

在大吉订购APP订购交易亏损被...   近期,不少投资者反映在“大吉订购App”上投资白银、铂金等商品遭遇严重亏损。该平台宣称提供现货订...
铂银壹号APP商品订购交易亏损...   许多中小投资者误以为网上的“商品现货订购”是合规合法的理财渠道,殊不知这背后隐藏着巨大的合规风险...
兴鑫淘金APP贵金属订购交易亏...   白银、贵金属或其他商品类投资,除国家批准的正规期货交易场所及持牌期货公司外,市面上大量第三方交易...
铂银掘金APP无资质的违规平台...   铂银掘金等平台的投资者,往往是被“注册送现金”“充值返现券”“首单免亏”等广告话术吸引,进而下载...
八方淘金APP订购交易不合规,...   “八方淘金APP”“铂银掘金APP”“铂银壹号APP”等软件被指以“现货订购”为名,实际采用高杠...
在指尖订购APP订购商品亏损被...   指尖订购APP这类平台,表面是“订购交易”,实则是披着电商外衣的非法期货陷阱。绝大多数投资者被蒙...
在犀贝易购APP做商品订购交易...   市面上打着“现货投资”“贵金属交易”旗号的APP并不少,但真正合规、受监管的平台并不多。犀贝易购...
易达淘金APP虚假商品订购交易...   易达淘金APP存在严重的虚假宣传与违规交易行为。该平台打着“商品订购”的旗号,实则通过不合规的交...
大浪淘金APP白银订购亏损被骗...   大浪淘金APP最隐蔽的套路,在于其完全封闭的内盘交易系统。表面上,它宣称与国际贵金属市场接轨;实...
一品好购APP上订购白银出现亏...   一品好购APP原名“一品订购”,运营方为上海宝智未来信息技术有限公司。近期不少投资者反映在该平台...
九州订购APP贵金属订购投资骗...   九州订购APP正通过抖.音、快手、今日头条等平台大量投放投资广告,用“5元起投”“充值返现”“0...
坚锅淘金APP交易软件并不正规...   当前,市面上大量所谓的“现货商城订购”交易软件,早已偏离了正常的实物商品买卖,演变为高杠杆、高手...
斗金订购APP贵金属期货交易骗...   斗金订购APP的投资者往往被铺天盖地的广告宣传所诱导——注册即送现金、充值返现券等看似诱人的福利...
警惕!云启购APP违规经营,披...   "5元起投、充值返现、稳赚不赔"——这些诱人的广告语背后,可能是一个精心设计的金融陷阱。  近期...
量子淘金APP贵金属投资不合规...   "4元起投""充值返券""月入过万"——这些极具诱惑力的广告语在短视频平台、社交软件上铺天盖地。...
鑫汇智投APP贵金属商品订购骗...   鑫汇智投APP非法期货投资骗局,受害者在投资过程中根本不懂交易,也不去研究和验证这个平台是否正规...
矅光智策APP平台违规经营非法...   矅光智策APP对外宣称是“商城订购”“现货交易”,但查询其经营范围,并未显示具备开展现货期货交易...
黄金珠宝怎么选?内侧刻字都代表... 潮新闻客户端 记者 马焱 通讯员 任倩影 9月8日下午,“云游杭州 乐购金秋”——“浙城·浙放心”活...
原创 冰... 最近全球国债市场正在上演魔幻一幕: 美债、日债、欧债遭遇猛烈抛售,收益率冲到几十年新高,美国财政部都...
日韩股市开盘表现分化 上证报中国证券网讯 9月9日,日韩股市开盘表现分化,韩国综合指数开盘上涨0.26%,报6972.87...