怎么解決pyPdf和pyPdf2在合并pdf時出現的錯誤

本篇內容介紹了“怎么解決pyPdf和pyPdf2在合并pdf時出現的錯誤”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

當一個pdf文件有多page的時候，它將出來見你！

方法是取直接修改那個文件generic.py

(1) pyPdf

路徑大約在這里：

/usr/lib/python2.7/site-packages/pyPdf/generic.py

if data.has_key(key):
  # multiple definitions of key not permitted
  raise utils.PdfReadError, "multiple definitions in dictionary"
data[key] = value

大約在532--536行

將它修改為：

if not data.get(key):
 
 data[key] = value

（2）pyPdf2

路徑大約在：

/usr/lib/python2.7/site-packages/PyPDF2/generic.py

if not data.get(key):
  data[key] = value
elif pdf.strict:
  # multiple definitions of key not permitted
  raise utils.PdfReadError("Multiple definitions in dictionary at byte %s for key %s" \
           % (utils.hexStr(stream.tell()), key))

修改為：

if not data.get(key):
  data[key] = value

補充知識：在Python里如何切分中文文本句子（分句）、英文文本分句（切分句子）

在處理文本時，會遇到需要將文本以 句子 為單位進行切分（分句）的場景，而文本又可以分為 中文文本 和 英文文本 ，處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。

分句的關鍵是找到合適的結束符號，比如：中文里的 。，英文里的 . 等，而且，在這一點上中英也是有很大區分的。

這里介紹一種純用 Python 實現的分句函數。

def cut_sentences(content):
	# 結束符號，包含中文和英文的
	end_flag = ['?', '!', '.', '？', '！', '。', '…']
	
	content_len = len(content)
	sentences = []
	tmp_char = ''
	for idx, char in enumerate(content):
		# 拼接字符
		tmp_char += char

		# 判斷是否已經到了最后一位
		if (idx + 1) == content_len:
			sentences.append(tmp_char)
			break
			
		# 判斷此字符是否為結束符號
		if char in end_flag:
			# 再判斷下一個字符是否為結束符號，如果不是結束符號，則切分句子
			next_idx = idx + 1
			if not content[next_idx] in end_flag:
				sentences.append(tmp_char)
				tmp_char = ''
				
	return sentences

content = '在處理文本時，會遇到需要將文本以 句子 為單位進行切分（分句）的場景，而文本又可以分為 中文文本 和 英文文本 ，處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。'
sentences = cut_sentences(content)
print('\n\n'.join(sentences))

在處理文本時，會遇到需要將文本以 句子 為單位進行切分（分句）的場景，而文本又可以分為 中文文本 和 英文文本 ，處理的方法會略有不同。

本文會介紹 Python 是如何處理 分句 的。

這個函數可以通過修改 end_flag （結束符號），來自定義特定的句子切分方式，比如加入 ； 等符號。

當然，也可以用正則表達式來完成分句，使用 re.split 的方法。

import re

def cut_sentences(content):
	sentences = re.split(r'(\.|\!|\?|。|！|？|\.{6})', content)
	return sentences

content = content = '在處理文本時，會遇到需要將文本以 句子 為單位進行切分（分句）的場景，而文本又可以分為 中文文本 和 英文文本 ，處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。'
sentences = cut_sentences(content)
print('\n\n'.join(sentences))

在處理文本時，會遇到需要將文本以 句子 為單位進行切分（分句）的場景，而文本又可以分為 中文文本 和 英文文本 ，處理的方法會略有不同

。

本文會介紹 Python 是如何處理 分句 的

。

這里還可以安利大家一個非常不錯的處理中文標點符號的第三庫： zhon，可以通過 pip install zhon 安裝，功能也算非常豐富。

我們使用 zhon 來實現中文分句。

import re
import zhon

rst = re.findall(zhon.hanzi.sentence, '我買了一輛車。媽媽做的菜，很好吃！')
print(rst)

['我買了一輛車。', '媽媽做的菜，很好吃！']

大家可以閱讀 zhon 的官方文檔，了解更多的使用案例。

“怎么解決pyPdf和pyPdf2在合并pdf時出現的錯誤”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！