python|python pdfplumber库批量提取pdf表格数据转换为excel pythonpdfplumber库批量提取pdf表格

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

python|python pdfplumber库批量提取pdf表格数据转换为excel

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！