python|python pdfplumber库批量提取pdf表格数据转换为excel
目录
- 需求
- 一、实现效果图
- 二、pdfplumber 库
- 三、代码实现
- 1、导入相关包
- 2、读取 pdf , 并获取 pdf 的页数
- 3、提取单个 pdf 文件,保存成 excel
- 4、提取文件夹下多个 pdf 文件,保存成 excel
- 小结
需求 想要提取 pdf 的数据,保存到 excel 中。虽然是可以直接利用 WPS 将 pdf 文件输出成 excel,但这个功能是收费的,而且如果将大量pdf转excel的时候,手动去输出是非常耗时的。我们可以利用 python 的三方工具库 pdfplumber 快速完成这个功能。
一、实现效果图
文章图片
二、pdfplumber 库
pdfplumber 是一个开源 python 工具库-,可以方便地获取 pdf 的各种信息,包括文本、表格、图表、尺寸等。完成我们本文的需求,主要使用 pdfplumber 提取 pdf 表格数据。
安装命令
pip install pdfplumber
三、代码实现
1、导入相关包
import pdfplumberimport pandas as pd
2、读取 pdf , 并获取 pdf 的页数
pdf = pdfplumber.open("/Users/wangwangyuqing/Desktop/1.pdf")pages = pdf.pages
3、提取单个 pdf 文件,保存成 excel
if len(pages) > 1:tables = []for each in pages:table = each.extract_table()tables.extend(table)else:tables = each.extract_table()data = https://www.it610.com/article/pd.DataFrame(tables[1:], columns=tables[0])datadata.to_excel("/Users/wangwangyuqing/Desktop/1.xlsx", index=False)
4、提取文件夹下多个 pdf 文件,保存成 excel
import osimport globpath = r'/Users/wangwangyuqing/Desktop/pdf文件'for f in glob.glob(os.path.join(path, "*.pdf")):res = save_pdf_to_excel(f)print(res)def save_pdf_to_excel(path):#print('文件名为:',path.split('/')[-1].split('.')[0] + '.xlsx')pdf = pdfplumber.open(path)pages = pdf.pagesif len(pages) > 1:tables = []for each in pages:table = each.extract_table()tables.extend(table)else:tables = each.extract_table()data = https://www.it610.com/article/pd.DataFrame(tables[1:], columns=tables[0])file_name = path.split('/')[-1].split('.')[0] + '.xlsx'data.to_excel("/Users/wangwangyuqing/Desktop/data/{}".format(file_name), index=False)return '保存成功!'
小结 python 中还有很多库可以处理 pdf,比如 PyPDF2、pdfminer 等,本文选择pdfplumber 的原因在于能轻松访问有关 PDF 的所有详细信息,包括作者、来源、日期等,并且用于提取文本和表格的方法灵活可定制。大家可以根据手头数据需求,再去解锁 pdfplumber 的更多用法。
【python|python pdfplumber库批量提取pdf表格数据转换为excel】以上就是python pdfplumber库批量提取pdf表格数据转换为excel的详细内容,更多关于python pdfplumber库pdf转换excel的资料请关注脚本之家其它相关文章!
推荐阅读
- Mac下使用HomeBrew安装python3
- Python函数的参数详解
- Python每日一练|Python每日一练(牛客网新题库)——第10天(从入门到实践四十招)
- DataBase|CentOS8.2安装Mysql数据库
- Mac OS 使用 brew 安装 mongodb 数据库
- [python刷题模板] 子序列自动机
- 六|6.1_4 Python3.x入门 P4 【基础】可变序列(列表list、字典dict、集合set)
- 六|6.1_2 Python3.x入门 P2 【基础】运算符
- 六|6.1_5 Python3.x入门 P5 【基础】不可变序列(元组tuple、字符串str)
- 六|6.1_1 Python3.x入门 P1 【基础】基础语法、注释、标识符、变量、数据类型、键盘录入input