需求：将pdf中的单词，通过正则表达式提取，保存到excel。将excel文件另存为.csv格式,导入到anki制成卡牌学习。
注：因为本人是业余，水平有限，如果讲解有错误，欢迎指正。另外，本文使用的926词汇pdf资料请自行准备。
目录
全部代码
代码效果
提前准备
pdf文件与内容导入
pdf文件导入
pdf内容导入
正则匹配|内容筛选
将结果存入Excel
全部代码
import pdfplumber
import re
import openpyxl
ad=[]
k=[]
for l in range(1,19):
adress=f"D:/BaiduNetdiskDownload/李达926逐词精讲-词汇{l}笔记.pdf"
ad.append(adress)
pdf = pdfplumber.open(adress)
print(f'正在写入{adress}')
for i in range(len(pdf.pages)):
page = pdf.pages[i]
wk = page.extract_text()
k.append(wk)
wb = ''.join(k)
wb = wb.replace('改变就橙啦橙啦，大学生学习成长平台'," ")
num = re.findall('(\d+).*?\[', wb)
text = re.findall('\d+(.*?)\[', wb)
chinese = re.findall('](.*?)【真题例句',wb,re.S) #re.S的作用是使匹配包含换行符\n、\t，即空格与换行
xs = openpyxl.Workbook()
xl = xs.active
xl.title = '达叔926'
xl['A1']='序号'
xl['B1']='英文'
xl['C1']='中文|助记'
q=2
for a,b,c in zip(num,text,chinese):
xl.cell(q,1,a)
xl.cell(q,2,b)
xl.cell(q,3,c)
q+=1
xs.save('达叔926.xlsx')
代码效果
处理的pdf内容：
处理结果：
提前准备
import pdfplumber #处理pdf的包
import re #正则表达式处理包
import openpyxl #操作excel的包使用的软件(IDE)是Pycharm
系统为Windows11
pdfplumber的安装：pip install pdfplumber
pdf文件与内容导入
pdf文件导入
ad=[]
for l in range(1,19):
adress=f"D:/BaiduNetdiskDownload/李达926逐词精讲-词汇{l}笔记.pdf"
ad.append(adress)
代码中，我使用的了绝对路径。因为pdf共有18个，所以我需要for循环遍历，将文件的绝对地址通过append函数压入一个列表。
pdf内容导入
k = []
pdf = pdfplumber.open(adress) #将导入的pdf打开
for i in range(len(pdf.pages)): #获取pdf总页数，并遍历
page = pdf.pages[i] #打开pdf对应页数
wk = page.extract_text() #获取对应页数的文本内容
k.append(wk) #将内容压入列表
wb = ''.join(k) #将列表的内容遍历拼接并转为字符串类型将pdf的全部内容压入一个列表后，通过.join函数将列表遍历拼接转为字符串类型，为接下来正则匹配做准备。
另外，如果pdf中的内容有图片或表格，那你就不能单纯的使用page.extract_text()。例如，处理pdf表格，需要使用page.extract_table()。其他具体用法请参考其它更专业的博客文章。
正则匹配|内容筛选
wb = wb.replace('改变就橙啦橙啦，大学生学习成长平台'," ") #将其他无关内容替换成空格
num = re.findall('(\d+).*?\[', wb) #匹配单词前的序号
text = re.findall('\d+(.*?)\[', wb) #匹配英文单词
chinese = re.findall('](.*?)【真题例句',wb,re.S) #匹配中文释译和助记方法re.S是正则的一种匹配模式，作用是防止匹配的内容中第一个就是换行符（空格、换行）而导致返回空列表。（注：正则表达式中的“.”能匹配任意字符，但换行符除外。当时没少因为这个知识点吃苦头）
改：(\d+).*?\[ 中的+是防止匹配到空格。*匹配目标出现0次或多次；+匹配目标出现1次或多次。
将结果存入Excel
xs = openpyxl.Workbook()
xl = xs.active
xl.title = '达叔926'
xl['A1']='序号' #第一行、第一列单元格写入序号，以下作用类似
xl['B1']='英文'
xl['C1']='中文|助记'
q=2
for a,b,c in zip(num,text,chinese):
xl.cell(q,1,a) #通过openpyxl包的cell函数将内容写入对应的单元格；.cell(行，列，内容）
xl.cell(q,2,b)
xl.cell(q,3,c)
q+=1
xs.save('达叔926.xlsx')
这里使用的是openpyxl，具体的使用方法请参考相应的文档。
zip函数能同时遍历三个及以上的列表，并一一对应的形成新列表。注：请保证列表的长度一致，不然会发生一些意外。
另，生成的xlsx会保存在你的代码根目录下，如果要保存到其他地方，可以使用with方法。
总结
其实，代码写到这里主体的功能基本实现了，但是还有很大优化空间。例如，将单词词性匹配出来，可这对我来说有一定难度，因为pdf里有很多一词多意和一个单词既能是名词又能是动词的情况。又例如将中文释义和助记方法分别匹配，等等。最后只要将excel文件另存为csv格式后导入anki(bilibili上有人讲解过）即可，那么请看看我的最终成品吧。（虽然细节处理的不好）
2022-11-15 22-03-27_x264
文章出处登录后可见！
