尧图网站建设 
简介《富士X-H2系列中文手册》是面向富士X-H2及X-H2S用户的官方操作指南帮助摄影爱好者和专业摄影师快速掌握从开机设置到专业参数调整的全部技能。压缩包内仅包含一个PDF文档容量约4.26MB便于随时查阅与打印。内容围绕相机使用全流程展开开篇介绍机身部件、模式拨盘与白平衡按钮等核心控件随后讲解电池安装、日期时间设定等准备步骤再深入拍摄与查看照片、动画录制与回放技巧涵盖分辨率、帧率及视频剪辑操作并提供了连接手机或电脑传输文件、遥控拍摄的方法以及完整的菜单列表和安全注意事项。手册结构清晰章节索引快速定位知识点。目前已有813人学习下载对希望充分发挥X-H2系列潜力的用户而言是一份不可多得的参考文档。 注意由于标题是相机手册请放心阅读。正文从## 1.开始。1. 把富士X-H2中文手册PDF变成可检索的技术文档富士X-H2的中文手册PDF是一份三百多页的文档里面装满了菜单项、规格表和注释真到需要查某个参数时你可能连“在哪一章”都不想猜。对经常处理电子文档的IT从业者来说这份PDF的问题不是有没有内容而是怎么把内容变成能查询、能过滤、能比对的文本数据。下面顺着一条完整的处理链展开先用Python抽取PDF文字再用正则挖出关键参数接着搭一个本地检索库最后用交叉验证确认没抽错。整个过程不依赖商业软件适合手头有这份手册、希望把它变成自己工具库的人。2. 解析X-H2中文手册PDF的结构与文本提取2.1 为什么先要提取PDF文本而不是直接翻页从PDF阅读器复制文字粘出来经常每行断开遇到跨栏排版顺序还会错乱。这是因为PDF本质上是“绘图指令集合”它不保证文字在语义上连续。X-H2手册里大量参数表更麻烦表格线可能被识别成图形文字按阅读顺序零散排列。所以第一步不能靠阅读器得用程序按页面取文本。我选择pdfplumber作为主力工具因为它同时提供文本内容和字符坐标还能提取页面上的表格。相比之下PyPDF2只能拿到原始文本流遇到复杂排版时顺序容易错。pdfplumber的依赖不重pip install pdfplumber一条命令就能装好适合脚本化处理。2.2 用pdfplumber提取手册文本的最小脚本先安装依赖pip install pdfplumber然后写一个按页导出文本的脚本首先要建立text_pages目录import pdfplumber pdf_path FUJIFILM富士X-H2 系列中文手册.pdf with pdfplumber.open(pdf_path) as pdf: total len(pdf.pages) print(f总页数: {total}) for i, page in enumerate(pdf.pages, start1): text page.extract_text() if text: with open(ftext_pages/page_{i:03d}.txt, w, encodingutf-8) as out: out.write(text) else: print(f第 {i} 页没有可提取文本可能是扫描图)代码逻辑enumerate(pdf.pages, start1)让页码从1开始文件名用03d补零排序后和阅读顺序一致。extract_text()返回该页所有文本如果检测不到文本就打印提示。参数说明extract_text()不传参时按默认布局顺序输出大部分手册页都能正确还原。2.3 处理手册中的目录书签与表格线索PDF手册如果带目录书签可以直接用pdf.toc读取。返回的每一项是嵌套列表结构类似下面这张表字段位置内容说明item[0]章节层级编号例如“2”item[1]章节标题例如“拍摄模式”item[2]PDF内部物理页码注意不是印刷页码读取脚本很简单with pdfplumber.open(pdf_path) as pdf: toc pdf.toc for item in toc: print(item)拿到书签后就能把“第2章”映射到page_010.txt这样的文件后续按章节检索时能先缩小范围。pdf.toc可能返回None说明手册没有书签这时可以用页眉文字手工建索引。表格方面pdfplumber的extract_tables()适合规则表格但X-H2手册对排版要求高表头跨页和单元格合并很常见。遇到这种情况我建议先全页提文本再按内容正则处理不要指望一次抽出标准二维表。如果某个参数表正好在页面固定区域还可以用page.crop()截取指定矩形区域再提文本避免左侧注释干扰with pdfplumber.open(pdf_path) as pdf: page pdf.pages[20] left_area page.crop((0, 40, page.width * 0.6, page.height - 40)) print(left_area.extract_text())crop接收四个坐标左、上、右、下单位是点。这里去掉了页眉页脚和右侧栏只保留主栏内容。这种按区域提文本的做法适合处理“左表右注释”的规格页。提示提取文本时如果遇到全角空格和中文标点混排不要急着改正则先打印几行原始文本确认实际字符。3. 从手册文本中提取X-H2关键参数配置3.1 先清洗文本再写匹配规则提取出来的文本里行尾断字、全角空格、中英文标点混用是常态。比如“ISO 125–12800”可能被拆成“ISO-\n12800”或者把全角长横线“–”当作普通字符。所以第一步是清洗import re text open(text_pages/page_015.txt, encodingutf-8).read() text re.sub(r-\n\s*, , text) # 连接行尾断字 text re.sub(r(\d)\s*[—–-]\s*(\d), r\1-\2, text) # 统一范围横线 text re.sub(r\s, , text) # 空白折叠三个替换分别处理跨行连字符、全角范围线、多余空白。第二步替换把、—、–统一成ASCII短横线后续正则只用匹配-就行。注意这里把空白折叠成全角空格之外的半角空格便于后续用\s*容忍。3.2 用正则抽取ISO、快门速度等参数X-H2手册中常见参数写法是“ISO感光度标准输出125–12800”。用一组正则抽取参数正则模式说明ISO范围ISO[^:]{0,12}?[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?)兼容“125”或“125-12800”快门速度快门速度[^:]{0,10}?[:]?\s*([0-9]\s*/?\s*[0-9])匹配1/8000或30连拍速度连拍速度[^:.。]{0,12}?[:]?\s*([0-9](?:\.[0-9])?)匹配20或7.0对应Python代码patterns { iso: rISO[^:]{0,12}?[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?), shutter: r快门速度[^:]{0,10}?[:]?\s*([0-9]\s*/?\s*[0-9]), fps: r连拍速度[^:.。]{0,12}?[:]?\s*([0-9](?:\.[0-9])?) } text re.sub(r\s, , text) # 清洗后的整页 for name, pattern in patterns.items(): matches re.findall(pattern, text) print(name, matches[:10])参数说明[^:]{0,12}?是排除冒号的宽松跳过非贪婪所以不会跨到下一句。ISO后允许0~12个非冒号字符修饰兼容“感光度”或“标准输出”这类后缀。快门速度的正则里\s*/?\s*能处理1/8000和1 / 8000两种写法。连拍速度只取数字不取“张/秒”单位。3.3 把提取结果整理成带页码的CSV速查表要把所有页的抽取结果汇总建立一个带页码的循环import csv, glob, re rows [] for path in sorted(glob.glob(text_pages/page_*.txt)): page_no int(path.split(/)[-1].replace(page_, ).replace(.txt, )) content open(path, encodingutf-8).read() content re.sub(r-\n\s*, , content) content re.sub(r\s, , content) for match in re.finditer(rISO\s*[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?), content): rows.append([page_no, match.group(1)]) with open(xh2_iso.csv, w, newline, encodingutf-8-sig) as f: writer csv.writer(f) writer.writerow([page, iso_range]) writer.writerows(rows) print(ISO提取数量, len(rows))path.split(/)[-1]先取文件名再用字符串替换去掉前缀和后缀获得物理页码。utf-8-sig编码是让Excel直接打开CSV不出现乱码。核心点页码列要放在第一列之后校验时可以快速跳回原PDF。3.4 常见误提取及应对全角冒号手册里“ISO”和“ISO:”混用正则里同步用[:]。换行把参数分开保险做法是先把整页文本拼接成一行再匹配但要注意别把页眉和页脚内容也接进来。型号名称干扰搜索“H2”会误伤“X-H2S”至少用“X-H2”作为边界。重复项正文和附录规格表会重复出现同一参数以“页码参数值”为键去重。我一般会把规则先在小范围页面上试跑打印匹配上下文确认没有误伤再全量执行。脚本不复杂但排错时间往往都在字符细节上。4. 构建X-H2手册本地速查库的实战方案4.1 把文本页打包成单一检索文件按页生成文件后逐个读文件低效。先合并成一个带分隔标记的总文件mkdir -p index : index/xh2_full.txt for f in text_pages/page_*.txt; do echo $(basename $f) index/xh2_full.txt cat $f index/xh2_full.txt done这条命令在每页内容前插入一行 page_xxx.txt 作为物理页码标记。之后的搜索结果里看到page_015就知道是PDF的第15页再结合前面书签表就能换算印刷页码。4.2 用ripgrep和fzf做命令行秒查安装工具sudo apt install ripgrep fzf先做一个最简单的关键词搜索rg -n 胶片模拟 index/xh2_full.txt-n输出行号和vim里一样。如果想边输入边预览上下文用fzfrg -n . index/xh2_full.txt | fzf --preview echo {} | sed s/.*page_/text_pages\/page_/;s/\*\///这条命令把检索结果中每行都送给fzf选中时展示对应的原始页文件。参数说明rg -n .输出所有行不是只输出命中行后续sed把物理页码替换成页文件路径。日常使用中我更常写一个短函数放在~/.bashrcxq() { rg -n $1 index/xh2_full.txt; }这样每次只需xq RAW就能拿到包含关键词的行不用记长命令。4.3 用SQLite做带条件查询的速查库纯文本搜索适合简单关键词但参数条件组合时容易漏。比如你想查“ISO范围在400以上且包含机械快门”用正则就很难写。可以把上一章提取的CSV导入SQLitesqlite3 xh2.db SQL CREATE TABLE params ( page INTEGER, param TEXT, value TEXT ); .mode csv .import xh2_iso.csv params SQL导入后查询SELECT page, value FROM params WHERE param LIKE %ISO% AND value GLOB *400*;GLOB是SQLite里的通配符支持*和?。参数说明LIKE不区分大小写适合参数名GLOB区分大小写且支持*适合匹配数值。如果你更习惯正则SQLite也有REGEXP但要先加载扩展模块。纯命令行环境下这种SQL查询比反复rg要精确结构也更清晰。提示CSV导入时如果文件带表头需要先sed 1d xh2_iso.csv xh2_iso_nohead.csv再导入否则表头会变成数据行。5. 用交叉验证避免手册提取中的错误口径脚本提取完不能直接信。推荐先用“页码关键词”双向核对随机抽3个参数打开PDF对应页搜索确认值没被截断。比如提取到page: 210, iso_range: 125-12800就打开第210页搜“125-12800”同时确认附近没有“125-51200”这类同前缀干扰。如果发现fps: 9.31这种反常值回到原页看是正则范围写宽了还是表格跨列导致。还可以自动列异常点。以ISO为例先定义常见的ISO档位再输出不在档位里的值import csv known_iso [125, 160, 200, 400, 800, 1600, 3200, 6400, 12800] with open(xh2_iso.csv, encodingutf-8-sig) as f: for row in csv.DictReader(f): val row[iso_range] if any(k in val for k in known_iso): continue print(f需要人工核对 page {row[page]}: {val})这里any()检查已知档位是否出现在提取值中只要出现就跳过。跑完后筛选出的那几行基本就是提取错误或手册里有特殊表述的地方。进一步把结果做成Markdown速查卡方便放笔记软件python - PY import csv with open(xh2_iso.csv, encodingutf-8-sig, newline) as f: reader csv.DictReader(f) print(| 页码 | ISO范围 |) print(| --- | --- |) for row in reader: print(f| {row[page]} | {row[iso_range]} |) PY最后强调一个实用技巧X-H2手册的物理页码和印刷页码经常有偏移查询结果里显示的是物理页码但翻纸质书会求助。解决办法是提取页脚或页眉的印刷页码构建映射表import re page_map {} for path in sorted(glob.glob(text_pages/page_*.txt)): text open(path, encodingutf-8).read() # 页脚通常有一个独立数字取最后一行或正则匹配 m re.search(r(\d)\s*$, text.strip()) if m: physical int(path.split(/)[-1].replace(page_, ).replace(.txt, )) page_map[physical] int(m.group(1)) print(page_map)这样速查卡里显示的是你真正能翻开看的印刷页码而不是PDF阅读器左侧的物理页号。上述正则只匹配文本末尾的数字如果页脚还有“第X页”字样可以把匹配范围缩到页脚区域。拿到映射表后把它和CSV合并以后查参数时直接定位到书上的页码。本文还有配套的精品资源点击获取 用Python和正则表达式把相机手册PDF变成可检索的本地知识库
简介《富士X-H2系列中文手册》是面向富士X-H2及X-H2S用户的官方操作指南帮助摄影爱好者和专业摄影师快速掌握从开机设置到专业参数调整的全部技能。压缩包内仅包含一个PDF文档容量约4.26MB便于随时查阅与打印。内容围绕相机使用全流程展开开篇介绍机身部件、模式拨盘与白平衡按钮等核心控件随后讲解电池安装、日期时间设定等准备步骤再深入拍摄与查看照片、动画录制与回放技巧涵盖分辨率、帧率及视频剪辑操作并提供了连接手机或电脑传输文件、遥控拍摄的方法以及完整的菜单列表和安全注意事项。手册结构清晰章节索引快速定位知识点。目前已有813人学习下载对希望充分发挥X-H2系列潜力的用户而言是一份不可多得的参考文档。 注意由于标题是相机手册请放心阅读。正文从## 1.开始。1. 把富士X-H2中文手册PDF变成可检索的技术文档富士X-H2的中文手册PDF是一份三百多页的文档里面装满了菜单项、规格表和注释真到需要查某个参数时你可能连“在哪一章”都不想猜。对经常处理电子文档的IT从业者来说这份PDF的问题不是有没有内容而是怎么把内容变成能查询、能过滤、能比对的文本数据。下面顺着一条完整的处理链展开先用Python抽取PDF文字再用正则挖出关键参数接着搭一个本地检索库最后用交叉验证确认没抽错。整个过程不依赖商业软件适合手头有这份手册、希望把它变成自己工具库的人。2. 解析X-H2中文手册PDF的结构与文本提取2.1 为什么先要提取PDF文本而不是直接翻页从PDF阅读器复制文字粘出来经常每行断开遇到跨栏排版顺序还会错乱。这是因为PDF本质上是“绘图指令集合”它不保证文字在语义上连续。X-H2手册里大量参数表更麻烦表格线可能被识别成图形文字按阅读顺序零散排列。所以第一步不能靠阅读器得用程序按页面取文本。我选择pdfplumber作为主力工具因为它同时提供文本内容和字符坐标还能提取页面上的表格。相比之下PyPDF2只能拿到原始文本流遇到复杂排版时顺序容易错。pdfplumber的依赖不重pip install pdfplumber一条命令就能装好适合脚本化处理。2.2 用pdfplumber提取手册文本的最小脚本先安装依赖pip install pdfplumber然后写一个按页导出文本的脚本首先要建立text_pages目录import pdfplumber pdf_path FUJIFILM富士X-H2 系列中文手册.pdf with pdfplumber.open(pdf_path) as pdf: total len(pdf.pages) print(f总页数: {total}) for i, page in enumerate(pdf.pages, start1): text page.extract_text() if text: with open(ftext_pages/page_{i:03d}.txt, w, encodingutf-8) as out: out.write(text) else: print(f第 {i} 页没有可提取文本可能是扫描图)代码逻辑enumerate(pdf.pages, start1)让页码从1开始文件名用03d补零排序后和阅读顺序一致。extract_text()返回该页所有文本如果检测不到文本就打印提示。参数说明extract_text()不传参时按默认布局顺序输出大部分手册页都能正确还原。2.3 处理手册中的目录书签与表格线索PDF手册如果带目录书签可以直接用pdf.toc读取。返回的每一项是嵌套列表结构类似下面这张表字段位置内容说明item[0]章节层级编号例如“2”item[1]章节标题例如“拍摄模式”item[2]PDF内部物理页码注意不是印刷页码读取脚本很简单with pdfplumber.open(pdf_path) as pdf: toc pdf.toc for item in toc: print(item)拿到书签后就能把“第2章”映射到page_010.txt这样的文件后续按章节检索时能先缩小范围。pdf.toc可能返回None说明手册没有书签这时可以用页眉文字手工建索引。表格方面pdfplumber的extract_tables()适合规则表格但X-H2手册对排版要求高表头跨页和单元格合并很常见。遇到这种情况我建议先全页提文本再按内容正则处理不要指望一次抽出标准二维表。如果某个参数表正好在页面固定区域还可以用page.crop()截取指定矩形区域再提文本避免左侧注释干扰with pdfplumber.open(pdf_path) as pdf: page pdf.pages[20] left_area page.crop((0, 40, page.width * 0.6, page.height - 40)) print(left_area.extract_text())crop接收四个坐标左、上、右、下单位是点。这里去掉了页眉页脚和右侧栏只保留主栏内容。这种按区域提文本的做法适合处理“左表右注释”的规格页。提示提取文本时如果遇到全角空格和中文标点混排不要急着改正则先打印几行原始文本确认实际字符。3. 从手册文本中提取X-H2关键参数配置3.1 先清洗文本再写匹配规则提取出来的文本里行尾断字、全角空格、中英文标点混用是常态。比如“ISO 125–12800”可能被拆成“ISO-\n12800”或者把全角长横线“–”当作普通字符。所以第一步是清洗import re text open(text_pages/page_015.txt, encodingutf-8).read() text re.sub(r-\n\s*, , text) # 连接行尾断字 text re.sub(r(\d)\s*[—–-]\s*(\d), r\1-\2, text) # 统一范围横线 text re.sub(r\s, , text) # 空白折叠三个替换分别处理跨行连字符、全角范围线、多余空白。第二步替换把、—、–统一成ASCII短横线后续正则只用匹配-就行。注意这里把空白折叠成全角空格之外的半角空格便于后续用\s*容忍。3.2 用正则抽取ISO、快门速度等参数X-H2手册中常见参数写法是“ISO感光度标准输出125–12800”。用一组正则抽取参数正则模式说明ISO范围ISO[^:]{0,12}?[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?)兼容“125”或“125-12800”快门速度快门速度[^:]{0,10}?[:]?\s*([0-9]\s*/?\s*[0-9])匹配1/8000或30连拍速度连拍速度[^:.。]{0,12}?[:]?\s*([0-9](?:\.[0-9])?)匹配20或7.0对应Python代码patterns { iso: rISO[^:]{0,12}?[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?), shutter: r快门速度[^:]{0,10}?[:]?\s*([0-9]\s*/?\s*[0-9]), fps: r连拍速度[^:.。]{0,12}?[:]?\s*([0-9](?:\.[0-9])?) } text re.sub(r\s, , text) # 清洗后的整页 for name, pattern in patterns.items(): matches re.findall(pattern, text) print(name, matches[:10])参数说明[^:]{0,12}?是排除冒号的宽松跳过非贪婪所以不会跨到下一句。ISO后允许0~12个非冒号字符修饰兼容“感光度”或“标准输出”这类后缀。快门速度的正则里\s*/?\s*能处理1/8000和1 / 8000两种写法。连拍速度只取数字不取“张/秒”单位。3.3 把提取结果整理成带页码的CSV速查表要把所有页的抽取结果汇总建立一个带页码的循环import csv, glob, re rows [] for path in sorted(glob.glob(text_pages/page_*.txt)): page_no int(path.split(/)[-1].replace(page_, ).replace(.txt, )) content open(path, encodingutf-8).read() content re.sub(r-\n\s*, , content) content re.sub(r\s, , content) for match in re.finditer(rISO\s*[:]?\s*([0-9]{2,5}(?:-[0-9]{2,5})?), content): rows.append([page_no, match.group(1)]) with open(xh2_iso.csv, w, newline, encodingutf-8-sig) as f: writer csv.writer(f) writer.writerow([page, iso_range]) writer.writerows(rows) print(ISO提取数量, len(rows))path.split(/)[-1]先取文件名再用字符串替换去掉前缀和后缀获得物理页码。utf-8-sig编码是让Excel直接打开CSV不出现乱码。核心点页码列要放在第一列之后校验时可以快速跳回原PDF。3.4 常见误提取及应对全角冒号手册里“ISO”和“ISO:”混用正则里同步用[:]。换行把参数分开保险做法是先把整页文本拼接成一行再匹配但要注意别把页眉和页脚内容也接进来。型号名称干扰搜索“H2”会误伤“X-H2S”至少用“X-H2”作为边界。重复项正文和附录规格表会重复出现同一参数以“页码参数值”为键去重。我一般会把规则先在小范围页面上试跑打印匹配上下文确认没有误伤再全量执行。脚本不复杂但排错时间往往都在字符细节上。4. 构建X-H2手册本地速查库的实战方案4.1 把文本页打包成单一检索文件按页生成文件后逐个读文件低效。先合并成一个带分隔标记的总文件mkdir -p index : index/xh2_full.txt for f in text_pages/page_*.txt; do echo $(basename $f) index/xh2_full.txt cat $f index/xh2_full.txt done这条命令在每页内容前插入一行 page_xxx.txt 作为物理页码标记。之后的搜索结果里看到page_015就知道是PDF的第15页再结合前面书签表就能换算印刷页码。4.2 用ripgrep和fzf做命令行秒查安装工具sudo apt install ripgrep fzf先做一个最简单的关键词搜索rg -n 胶片模拟 index/xh2_full.txt-n输出行号和vim里一样。如果想边输入边预览上下文用fzfrg -n . index/xh2_full.txt | fzf --preview echo {} | sed s/.*page_/text_pages\/page_/;s/\*\///这条命令把检索结果中每行都送给fzf选中时展示对应的原始页文件。参数说明rg -n .输出所有行不是只输出命中行后续sed把物理页码替换成页文件路径。日常使用中我更常写一个短函数放在~/.bashrcxq() { rg -n $1 index/xh2_full.txt; }这样每次只需xq RAW就能拿到包含关键词的行不用记长命令。4.3 用SQLite做带条件查询的速查库纯文本搜索适合简单关键词但参数条件组合时容易漏。比如你想查“ISO范围在400以上且包含机械快门”用正则就很难写。可以把上一章提取的CSV导入SQLitesqlite3 xh2.db SQL CREATE TABLE params ( page INTEGER, param TEXT, value TEXT ); .mode csv .import xh2_iso.csv params SQL导入后查询SELECT page, value FROM params WHERE param LIKE %ISO% AND value GLOB *400*;GLOB是SQLite里的通配符支持*和?。参数说明LIKE不区分大小写适合参数名GLOB区分大小写且支持*适合匹配数值。如果你更习惯正则SQLite也有REGEXP但要先加载扩展模块。纯命令行环境下这种SQL查询比反复rg要精确结构也更清晰。提示CSV导入时如果文件带表头需要先sed 1d xh2_iso.csv xh2_iso_nohead.csv再导入否则表头会变成数据行。5. 用交叉验证避免手册提取中的错误口径脚本提取完不能直接信。推荐先用“页码关键词”双向核对随机抽3个参数打开PDF对应页搜索确认值没被截断。比如提取到page: 210, iso_range: 125-12800就打开第210页搜“125-12800”同时确认附近没有“125-51200”这类同前缀干扰。如果发现fps: 9.31这种反常值回到原页看是正则范围写宽了还是表格跨列导致。还可以自动列异常点。以ISO为例先定义常见的ISO档位再输出不在档位里的值import csv known_iso [125, 160, 200, 400, 800, 1600, 3200, 6400, 12800] with open(xh2_iso.csv, encodingutf-8-sig) as f: for row in csv.DictReader(f): val row[iso_range] if any(k in val for k in known_iso): continue print(f需要人工核对 page {row[page]}: {val})这里any()检查已知档位是否出现在提取值中只要出现就跳过。跑完后筛选出的那几行基本就是提取错误或手册里有特殊表述的地方。进一步把结果做成Markdown速查卡方便放笔记软件python - PY import csv with open(xh2_iso.csv, encodingutf-8-sig, newline) as f: reader csv.DictReader(f) print(| 页码 | ISO范围 |) print(| --- | --- |) for row in reader: print(f| {row[page]} | {row[iso_range]} |) PY最后强调一个实用技巧X-H2手册的物理页码和印刷页码经常有偏移查询结果里显示的是物理页码但翻纸质书会求助。解决办法是提取页脚或页眉的印刷页码构建映射表import re page_map {} for path in sorted(glob.glob(text_pages/page_*.txt)): text open(path, encodingutf-8).read() # 页脚通常有一个独立数字取最后一行或正则匹配 m re.search(r(\d)\s*$, text.strip()) if m: physical int(path.split(/)[-1].replace(page_, ).replace(.txt, )) page_map[physical] int(m.group(1)) print(page_map)这样速查卡里显示的是你真正能翻开看的印刷页码而不是PDF阅读器左侧的物理页号。上述正则只匹配文本末尾的数字如果页脚还有“第X页”字样可以把匹配范围缩到页脚区域。拿到映射表后把它和CSV合并以后查参数时直接定位到书上的页码。本文还有配套的精品资源点击获取