Ler arquivo PDF

Como esta a arvore do seu projeto?

Bom dia Icaro, Segue a arvore do projeto.

import PyPDF2 from nltk.tokenize import word_tokenize from nltk.corpus import stopwords from collections import Counter import os

def extract_text_from_pdf(pdf_path): with open(pdf_path, 'rb') as file: pdf_reader = PyPDF2.PdfFileReader(file) text = '' for page_num in range(pdf_reader.numPages): text += pdf_reader.getPage(page_num).extractText() return text

def clean_and_tokenize(text): # Tokenização e remoção de stopwords tokens = word_tokenize(text) stop_words = set(stopwords.words('english')) # Pode ser necessário ajustar o idioma tokens = [word.lower() for word in tokens if word.isalnum() and word.lower() not in stop_words] return tokens

def analyze_swot(tokens): # Contagem de palavras para análise SWOT counter = Counter(tokens) strengths = counter.most_common(5) # 5 palavras mais comuns como forças weaknesses = counter.most_common()[:-6:-1] # 5 palavras menos comuns como fraquezas

return strengths, weaknesses

def main(pdf_path): text = extract_text_from_pdf(pdf_path) tokens = clean_and_tokenize(text)

strengths, weaknesses = analyze_swot(tokens)

print("Forças:")
for word, count in strengths:
    print(f"{word}: {count}")

print("\nFraquezas:")
for word, count in weaknesses:
    print(f"{word}: {count}")

if name == "main": pdf_path = r"C:/Users/oleperei/Downloads/FLS_report-9m-2023.pdf" if os.path.exists(pdf_path): main(pdf_path) else: print(f"Erro: O arquivo não existe - {pdf_path}")

Amigo, recomendo voce tentar colocar o arquivo na mesma pasta em que o projeto python esta, assim fica mais facil voce conseguir acessa-lo.

Verifique se o caminho do arquivo está correto. No seu código, você forneceu o seguinte caminho:

pdf_path = r"C:/Users/oleperei/Downloads/FLS_report-9m-2023.pdf"

No entanto, a mensagem de erro mostra um caminho diferente:

'C:\Users\olema\PycharmProjects\teste\FLS_report-9m-2023.pdf'

Assegure-se de que o caminho do arquivo seja o mesmo que o local onde o arquivo PDF realmente está armazenado.