python?pdfplumber庫批量提取pdf表格數(shù)據(jù)轉(zhuǎn)換為excel
需求
想要提取 pdf 的數(shù)據(jù)，保存到 excel 中。雖然是可以直接利用 WPS 將 pdf 文件輸出成 excel，但這個(gè)功能是收費(fèi)的，而且如果將大量pdf轉(zhuǎn)excel的時(shí)候，手動(dòng)去輸出是非常耗時(shí)的。我們可以利用 python 的三方工具庫 pdfplumber 快速完成這個(gè)功能。
一、實(shí)現(xiàn)效果圖
二、pdfplumber 庫
pdfplumber 是一個(gè)開源 python 工具庫-，可以方便地獲取 pdf 的各種信息，包括文本、表格、圖表、尺寸等。完成我們本文的需求，主要使用 pdfplumber 提取 pdf 表格數(shù)據(jù)。
安裝命令
pip install pdfplumber
三、代碼實(shí)現(xiàn)
1、導(dǎo)入相關(guān)包
import pdfplumber import pandas as pd
2、讀取 pdf , 并獲取 pdf 的頁數(shù)
pdf = pdfplumber.open("/Users/wangwangyuqing/Desktop/1.pdf")
pages = pdf.pages
3、提取單個(gè) 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 = pd.DataFrame(tables[1:], columns=tables[0])
data
data.to_excel("/Users/wangwangyuqing/Desktop/1.xlsx", index=False)
4、提取文件夾下多個(gè) pdf 文件，保存成 excel
import os
import glob
path = 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('文件名為：',path.split('/')[-1].split('.')[0] + '.xlsx')
pdf = pdfplumber.open(path)
pages = pdf.pages
if len(pages) > 1:
tables = []
for each in pages:
table = each.extract_table()
tables.extend(table)
else:
tables = each.extract_table()
data = 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！'
小結(jié)
python 中還有很多庫可以處理 pdf，比如 PyPDF2、pdfminer 等，本文選擇pdfplumber 的原因在于能輕松訪問有關(guān) PDF 的所有詳細(xì)信息，包括作者、來源、日期等，并且用于提取文本和表格的方法靈活可定制。大家可以根據(jù)手頭數(shù)據(jù)需求，再去解鎖 pdfplumber 的更多用法。
以上就是python pdfplumber庫批量提取pdf表格數(shù)據(jù)轉(zhuǎn)換為excel的詳細(xì)內(nèi)容，更多關(guān)于python pdfplumber庫pdf轉(zhuǎn)換excel的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
PIL(Python Imaging Library)是Python一個(gè)強(qiáng)大方便的圖像處理庫，只支持到Python2.7。這篇文章主要介紹了Python圖像處理庫Pillow常用使用方法,需要的朋友可以參考下2019-09-09
這篇文章主要介紹了Python使用修飾器進(jìn)行異常日志記錄操作,結(jié)合實(shí)例形式分析了Python基于修飾器的log日志文件操作的相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下2019-03-03
今天小編就為大家分享一篇TensorFLow 變量命名空間實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
這篇文章主要介紹了django query模塊，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-04-04
python解析中國天氣網(wǎng)的天氣數(shù)據(jù)
最近學(xué)習(xí)python 感覺這門腳本語言十分靈活 而且功能十分強(qiáng)大 尤其是他re庫用于正則匹配十分強(qiáng)大，寫了個(gè)例子解析中國天氣網(wǎng)2014-03-03
Pytorch實(shí)現(xiàn)LSTM和GRU示例
今天小編就為大家分享一篇Pytorch實(shí)現(xiàn)LSTM和GRU示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-01-01
這篇文章主要介紹了Python的print函數(shù)如何覆蓋打印問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
Python實(shí)現(xiàn)讀取目錄所有文件的文件名并保存到txt文件代碼
這篇文章主要介紹了Python實(shí)現(xiàn)讀取目錄所有文件的文件名并保存到txt文件代碼,本文分別使用os.listdir和os.walk實(shí)現(xiàn)給出兩段實(shí)現(xiàn)代碼,需要的朋友可以參考下2014-11-11
這篇文章主要介紹了手把手教你安裝Windows版本的Tensorflow，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
python中關(guān)于property的最詳細(xì)使用方法
這篇文章主要介紹了python中關(guān)于property的最詳細(xì)使用方法,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-04-04