Kimi AI批量搜索提取PDF文档中特定文本

今天聊一个非常常见的办公自动化需求：手头有数百份PDF研报，需要批量提取每份文档中的“资料来源”或“数据来源”信息。具体来说，就是要精准定位那些以“资料来源：”、“数据来源：”或“来源：”开头的行。

如果手动逐份处理，打开数百个PDF、逐一搜索、复制、粘贴，效率实在低下。更高效的方案是编写一个Python脚本，实现自动化批量提取。如今借助AI编程助手的协助，完成这类脚本的难度已经大幅降低。

下面具体演示操作步骤。

在Kimi中输入提示词，让其扮演Python编程专家，完成脚本开发任务。提示词的内容大致如下：

• 打开指定文件夹（例如：F:\研报下载\AIGC研报）；
• 使用pdfplumber库读取该文件夹内所有PDF文件；
• 逐行遍历文本，查找以“资料来源：”、“数据来源：”、“来源：”开头的行；
• 将提取结果保存到另一个文件夹（例如：F:\AI自媒体内容\AI行业数据分析）下的Excel文件中；
• 每一步都输出处理日志，并能妥善应对异常情况，如文件损坏、权限不足等。

关键就在于设计好提示词，把业务逻辑描述清晰。上面的提示词直接明确了路径、依赖库、匹配规则以及异常处理要求，Kimi理解起来没有任何阻碍。

生成的结果如下：

import os
import re
import pdfplumber
from openpyxl import Workbook

# 定义要搜索的关键词
keywords = ["资料来源：", "数据来源：", "来源："]

# 定义源文件夹和目标文件夹路径
source_folder = r'F:\研报下载\AIGC研报'
target_folder = r'F:\AI自媒体内容\AI行业数据分析'

# 确保目标文件夹存在
os.makedirs(target_folder, exist_ok=True)

# 创建Excel工作簿
workbook = Workbook()
sheet = workbook.active

# 遍历源文件夹中的所有文件
for filename in os.listdir(source_folder):
    if filename.endswith('.pdf'):
        print(f"正在处理文件：{filename}")
        file_path = os.path.join(source_folder, filename)
        try:
            with pdfplumber.open(file_path) as pdf:
                for page in pdf.pages:
                    text = page.extract_text()
                    for keyword in keywords:
                        pattern = re.compile(re.escape(keyword) + ".*")
                        matches = pattern.findall(text)
                        for match in matches:
                            print(f"找到匹配的文本：{match}")
                            sheet.append([match])
        except Exception as e:
            print(f"处理文件{filename}时发生错误：{e}")

# 保存Excel文件
excel_file_path = os.path.join(target_folder, 'AI_Industry_Analysis.xlsx')
workbook.sa ve(excel_file_path)
print(f"所有数据已保存到：{excel_file_path}")

脚本的整体逻辑非常直观：循环读取指定文件夹内的所有PDF文件，借助pdfplumber逐页解析文本，通过正则表达式精准匹配以关键词开头的行，最终将匹配内容写入Excel。每一步都配有输出信息，便于实时跟进处理进度。异常处理机制也相当完善，单个文件出现问题不会影响整个提取流程。

实际运行效果非常理想。上百份PDF，几分钟即可完成批量提取。对于经常处理研报、需要系统整理数据来源的研究人员或内容创作者来说，这无疑是一个可以反复使用的高效小工具。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Kimi AI批量搜索提取PDF文档中特定文本要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题