### 循环读取指定路径下PDF文件的方法 在 Python 中，可以利用 `os` 和 `PyPDF2` 库来实现循环读取指定目录下的 PDF 文件。以下是具体方法： #### 使用 os 列举 PDF 文件 通过 `os.listdir()` 方法列举目标目录中的所有文件，并筛选出扩展名为 `.pdf` 的文件[^5]。 ```python import os directory_path = "/path/to/your/pdf/files" pdf_files = [f for f in os.listdir(directory_path) if f.endswith('.pdf')] ``` 此代码片段会返回一个列表，其中包含指定目录中所有的 PDF 文件名。 #### 使用 PyPDF2 读取 PDF 内容 安装并导入 `PyPDF2` 后，可以通过其功能逐页提取 PDF 文档的内容[^6]。 ```python from PyPDF2 import PdfReader def read_pdf(file_path): reader = PdfReader(file_path) num_pages = len(reader.pages) text_content = "" for page_num in range(num_pages): page = reader.pages[page_num] text_content += page.extract_text() return text_content.strip() for pdf_file in pdf_files: full_path = os.path.join(directory_path, pdf_file) content = read_pdf(full_path) print(f"Content of {pdf_file}:\n{content}\n{'-'*80}") ``` 以上代码实现了对每个 PDF 文件的逐页读取操作，并打印每份文档的文字内容。 #### 结合 asyncio 提升性能 (可选) 如果需要处理大量 PDF 文件，则可能希望异步化这一过程以提高效率。此时可以用到 `asyncio` 及其提供的线程池支持[^7]: ```python import asyncio async def async_read_pdfs(pdf_list, dir_path): results = [] loop = asyncio.get_running_loop() for pdf_name in pdf_list: file_full_path = os.path.join(dir_path, pdf_name) result = await loop.run_in_executor(None, read_pdf, file_full_path) results.append(result) return results # 调用示例 loop = asyncio.new_event_loop() asyncio.set_event_loop(loop) contents = loop.run_until_complete(async_read_pdfs(pdf_files, directory_path)) loop.close() ``` 这里展示了如何借助 `run_in_executor` 将阻塞式的 I/O 操作放入后台线程运行，从而让主线程能够继续调度其他任务。 --- ### 注意事项 - 需提前确认所使用的库已正确安装 (`pip install pypdf2`)。 - 如果某些 PDF 文件损坏或者加密保护无法打开，应加入异常捕获逻辑以便优雅退出或跳过问题文件[^8]。