python操作pdf文件

安装模块

pip install pdfplumber
pip install PyPDF2
pip install pypwin32


pdf 文件读取

"""
path: pdf的文件路径
pdfplumber.open(path): 文件打开读取
_pdf.pages&＃xff1a; 获取pdf总页数
_pdf.pages[i].extract_text() &＃xff1a; 获取每页的pdf的内容
"""def get_pdf_content(path):_pdf &＃61; pdfplumber.open(path)pages &＃61; len(_pdf.pages) # _pdf.pages 输出的是列表数据all_content &＃61; [_pdf.pages[i].extract_text() for i in range(pages)]return all_contentif __name__ &＃61;&＃61; &＃39;__main__&＃39;:data &＃61; get_pdf_content(&＃39;test.pdf&＃39;)print(data[0])


读取pdf中的表格数据

def get_pdf_tables(path):_pdf &＃61; pdfplumber.open(path)pages &＃61; len(_pdf.pages) # _pdf.pages 输出的是列表数据all_table &＃61; []for i in range(pages):# 读取每页pdf 中含有表格的数据for j in _pdf.pages[i].extract_tables():# 获取每页table&＃xff0c; 每一行的数据&＃xff0c;content &＃61; [k for k in j if &＃39;&＃39; not in k]all_table.append(content)return all_table

获取pdf中的table数据&＃xff0c; 并写入表格

import pdfplumber
import pandas as pddef get_pdf_tables(path):_pdf &＃61; pdfplumber.open(path)pages &＃61; len(_pdf.pages) # _pdf.pages 输出的是列表数据all_table &＃61; []for i in range(pages):# 读取每页pdf 中含有表格的数据for j in _pdf.pages[i].extract_tables():# 获取每页table&＃xff0c; 每一行的数据&＃xff0c;content &＃61; [k for k in j if &＃39;&＃39; not in k]all_table.append(content)return all_table# 获取pdf 中的表格数据&＃xff0c; 并写入pdf数据
def write_to_excel(all_tables):writer &＃61; pd.ExcelWriter("表格数据.xlsx")for index, content in enumerate(all_tables):name &＃61; "pd_{}".format(index)df &＃61; pd.DataFrame(content)df.to_excel(writer, sheet_name&＃61;name, encoding&＃61;"gbk")# 最后保存写入&＃xff0c;并释放writer.save()writer.close()
if __name__ &＃61;&＃61; &＃39;__main__&＃39;:data &＃61; get_pdf_tables(&＃39;test.pdf&＃39;)write_to_excel(data)