如何将python代码一次应用于文件夹中的所有文件，以及如何为每个后续输出文件创建新名称？

我正在使用的代码接收.pdf文件，并输出.txt文件。我的问题是，如何创建一个循环（可能是for循环），在文件夹中以“.pdf”结尾的所有文件上反复运行代码？此外，如何在每次循环运行时更改输出，以便每次都可以编写与输入文件同名的新文件（即1_pet.pdf>1_pet.txt、2_pet.pdf>2_pet.txt等）

以下是迄今为止的代码：

path="2_pet.pdf"
content = getPDFContent(path)
encoded = content.encode("utf-8")
text_file = open("Output.txt", "w")
text_file.write(encoded)
text_file.close()

---

对目录中的所有PDF文件进行操作的一种方法是调用

glob.glob（）

并迭代结果：

import glob
for path in glob.glob('*.pdf')
    content = getPDFContent(path)
    encoded = content.encode("utf-8")
    text_file = open("Output.txt", "w")
    text_file.write(encoded)
    text_file.close()

另一种方法是允许用户指定文件：

import sys
for path in sys.argv[1:]:
    ...

---

然后用户运行您的脚本，如

python foo.py*.pdf

创建一个函数，封装您要对每个文件执行的操作

import os.path

def parse_pdf(filename):
    "Parse a pdf into text"
    content = getPDFContent(filename)
    encoded = content.encode("utf-8")
    ## split of the pdf extension to add .txt instead.
    (root, _) = os.path.splitext(filename)
    text_file = open(root + ".txt", "w")
    text_file.write(encoded)
    text_file.close()

然后将此函数应用于文件名列表，如下所示：

for f in files:
    parse_pdf(f)

---

可以使用递归函数在文件夹和所有子文件夹中搜索以pdf结尾的文件。然后获取这些文件，然后为其创建一个文本文件

可能是这样的：

import os

def convert_PDF(path, func):
    d = os.path.basename(path)
    if os.path.isdir(path):
        [convert_PDF(os.path.join(path,x), func) for x in os.listdir(path)]
    elif d[-4:] == '.pdf':
        funct(path)

# based entirely on your example code
def convert_to_txt(path):
    content = getPDFContent(path)
    encoded = content.encode("utf-8")
    file_path = os.path.dirname(path)
    # replace pdf with txt extension
    file_name = os.path.basename(path)[:-4]+'.txt'
    text_file = open(file_path +'/'+file_name, "w")
    text_file.write(encoded)
    text_file.close()

convert_PDF('path/to/files', convert_to_txt)

---

由于实际操作是可变的，因此您可以使用需要执行的任何操作（如使用不同的库、转换为不同的类型等）替换函数。

以下脚本解决了您的问题：

import os

sourcedir = 'pdfdir'

dl = os.listdir('pdfdir')

for f in dl:
    fs = f.split(".")
    if fs[1] == "pdf":
        path_in = os.path.join(dl,f)
        content = getPDFContent(path_in)
        encoded = content.encode("utf-8")
        path_out = os.path.join(dl,fs[0] + ".txt")
        text_file = open(path_out, 'w')
        text_file.write(encoded)
        text_file.close()

---

我刚刚将它添加到我的代码中，它运行时没有返回任何错误，但是我的输出文件只与我的第一个pdf文件相关。是否有原因使它无法运行超过第一个文件？另外，如何在for循环的每次迭代期间更改输出以镜像pdf文件的文件名？这为我返回了以下错误：

dl=os.dirlist（“Users/Jack/Downloads/pyPdf-1.13”）AttributeError:'module'对象没有属性“dirlist”

对不起，listdir不是dirlist，我的错误，我更正了。注意，与公认的答案相比，这段代码也解决了目录搜索问题。这看起来会起作用！问题是我需要文件来引用我的目录。我会这样做吗

files=“Users/Jack/Downloads/pyPdf-1.13”

您可以使用glob从目录中获取文件，就像Rob的回答中那样，它提供了帮助，并且实际起到了作用（某种程度上）。我现在遇到一个问题，命名的文本文件正在返回，但它们是空的，当我尝试执行几百个文件时，我得到错误

pyPdf.utils.PdfReadError:EOF marker not found

。你知道为什么会发生这两种情况吗？我真的很感谢你的帮助！检查

content.encode

是否未返回

None

：我认为它可能会更改“就地”编码。例如，尝试添加

print encoded

，看看它是否符合您的期望。此答案没有涵盖OP问题的所有方面，即“在文件夹中的所有文件上”。