Python统计PDF文件每页上的每封电子邮件

我正试图计算这个pdf文件中有@twitter或@facebook的每一个字符串，有1537页。我初始化了一个计数器，每当页面找到@twitter或@facebook时，计数器都会关闭，但计数器只是计算页面的数量，而不是包含facebook或twitter的电子邮件的数量。我正在使用Python3并导入pdftotext来读取文件。 这是密码

import pdftotext
count = 0
# 1 read the pdf
with open('Users.pdf', 'rb') as f:
    pdf = pdftotext.PDF(f)

# loop thru pages
for page in pdf:
    if '@facebook' in page or '@twitter' in page:
        count += 1


print(count)

输出：

1537

这是文件的页数

，建议您使用正则表达式匹配来实现所需操作

import pdftotext
import re

count = 0
# 1 read the pdf
with open('Users.pdf', 'rb') as f:
    pdf = pdftotext.PDF(f)

# regex pattern
pattern = '@facebook|@twitter'

# loop thru pages
for page in pdf:
    count += len(re.findall(pattern, page))

print(count)

要检查并尝试您的正则表达式模式，我建议。

如您所建议的，应该使用正则表达式匹配来实现您想要做的事情

import pdftotext
import re

count = 0
# 1 read the pdf
with open('Users.pdf', 'rb') as f:
    pdf = pdftotext.PDF(f)

# regex pattern
pattern = '@facebook|@twitter'

# loop thru pages
for page in pdf:
    count += len(re.findall(pattern, page))

print(count)

---

要检查并尝试您的正则表达式模式，我建议。

嘿，伙计，您确定

页面

内循环保存了PDF页面的内容吗？在尝试计算要查找的字符串之前，可能需要调用另一个方法。您的代码正按照您的指示执行。对于每个页面，无论您要查找的字符串出现多少次，您都会将计数增加一次。似乎正则表达式匹配会更好；在这里查看：嘿，伙计，你确定反循环中的

页面

保存了PDF页面的内容吗？在尝试计算要查找的字符串之前，可能需要调用另一个方法。您的代码正按照您的指示执行。对于每个页面，无论您要查找的字符串出现多少次，您都会将计数增加一次。似乎正则表达式匹配会更好；在这里查看：