屬性	說(shuō)明
pdf.metadata	從PDF的Info中獲取元數(shù)據(jù)鍵/值對(duì)字典。通常包括"CreationDate，“ModDater"，"Producer"等
pdf.pages	返回一個(gè)包含pdfplumber. Page實(shí)例的列表,每一一個(gè)實(shí)例代表PDF每一頁(yè)的信息

pdfplumber.Page類(lèi)

pdfplumber.Page類(lèi)常用屬性

屬性page_ number	說(shuō)明
.page_ number	順序頁(yè)碼,從1第一頁(yè)開(kāi)始,從第二頁(yè)開(kāi)始2 ,依此類(lèi)推
.width	頁(yè)面的寬度
.height	頁(yè)面的高度

.objects/ . chars/ .lines/ .rects/ . curves/ .figures/ . images

這些屬性中的每一個(gè)都是一個(gè)列表，每個(gè)列表包含一個(gè)字典，用于嵌入頁(yè)面上的每個(gè)此類(lèi)對(duì)象，有關(guān)詳細(xì)信息，請(qǐng)參閱下面的“對(duì)象”。

常用方法：

方法名	說(shuō)明
.extract_ text( )	用來(lái)提頁(yè)面中的文本,將頁(yè)面的所有字符對(duì)象整理為的那個(gè)字符串
.extract_ words( )	返回的是所有的單詞及其相關(guān)信息
. extract_ tables()	提取頁(yè)面的表格

.to_ _image()	用于可視化調(diào)試時(shí)，返回Pagelmage類(lèi)的一個(gè)實(shí)例
.close()	默認(rèn)情況下, Page對(duì)象緩存其布局和對(duì)象信息,以避免重新處理它, 但是在解析大型PDF時(shí),這些緩存的屬性可能需要大量?jī)?nèi)存。您可以使用此方法刷新緩存并釋放內(nèi)存。

1.2 常用操作

PDF是Portable Document Format的縮寫(xiě)，這類(lèi)文件通常使用.pdf作為其擴(kuò)展名。在日常開(kāi)發(fā)工作中，最容易遇到的就是從PDF中讀取文本內(nèi)容以及用已有的內(nèi)容生成PDF文檔這兩個(gè)任務(wù)。

1.讀取pdf文檔信息
2.輸出總頁(yè)數(shù)
3.讀取第一頁(yè)寬度、高度等信息
4.讀取文本第一頁(yè)

加載pdf：

pdfplumber.open( "路徑/文件名. pdf".pas sword="test "laparams={ "line_ _overlap'”0.7 })
password : 要加載受密碼保護(hù)的PDF ,請(qǐng)傳遞password關(guān)鍵字參數(shù)
laparams :要將布局分析參數(shù)設(shè)置為pdfminer. six的布局引擎,請(qǐng)傳遞laparams關(guān)鍵字參數(shù)

1.2.1 Python讀取pdf文件案例

pdf文件如下：

1.2.2 Python讀取pdf文件代碼

import pdfplumber

# 加載pdf
path = "C:/Users/Administrator/Desktop/test08/test11 - 多頁(yè).pdf"
with pdfplumber.open(path) as pdf:
    print(pdf)
    print(type(pdf))

    # 讀取pdf文檔信息
    print("pdf文檔信息:", pdf.metadata)

    # 輸出總頁(yè)數(shù)
    print("pdf文檔總頁(yè)數(shù):", len(pdf.pages))

    # 1.讀取第一頁(yè)寬度、高度等信息
    first_page = pdf.pages[0]  # pdfplumber.Page對(duì)象第一頁(yè)
    # 查看頁(yè)碼
    print('pdf頁(yè)碼:', first_page.page_number)
    # 查看頁(yè)寬
    print('pdf頁(yè)寬:', first_page.width)
    # 查看頁(yè)高
    print('pdf頁(yè)高:', first_page.height)

    # 2.讀取文本第一頁(yè)
    first_page = pdf.pages[0]  # pdfplumber.Page對(duì)象第一頁(yè)
    text = first_page.extract_text()
    print(text)

執(zhí)行結(jié)果：

"D:\Program Files1\Python\python.exe" D:/Pycharm-work/pythonTest/打卡/0811讀取pdf.py
<pdfplumber.pdf.PDF object at 0x0000000002846278>
<class 'pdfplumber.pdf.PDF'>
pdf文檔信息: {'Author': '', 'Comments': '', 'Company': '', 'CreationDate': "D:20220812102327+02'23'", 'Creator': 'WPS 表格', 'Keywords': '', 'ModDate': "D:20220812102327+02'23'", 'Producer': '', 'SourceModified': "D:20220812102327+02'23'", 'Subject': '', 'Title': '', 'Trapped': 'False'}
pdf文檔總頁(yè)數(shù): 2
pdf頁(yè)碼: 1
pdf頁(yè)寬: 595.25
pdf頁(yè)高: 841.85
姓名年齡性別地址學(xué)習(xí)技能
張三 20 女北京 python
李四 25 男深圳 java
趙五 28 男上海 C++
孫六 23 女廣州 python
錢(qián)七 27 男珠海 python
張101 20 女北京 python
.......
.......
張150 27 男珠海 python
張151 20 女北京 python
張152 25 男深圳 java

Process finished with exit code 0

1.2.3 Python讀取pdf文件存入Excel代碼

import pdfplumber
import xlwt

# 加載pdf
path = "C:/Users/Administrator/Desktop/test08/test11 - 多頁(yè).pdf"
with pdfplumber.open(path) as pdf:
    page_1 = pdf.pages[0]  # pdf第一頁(yè)
    table_1 = page_1.extract_table()  # 讀取表格數(shù)據(jù)
    print(table_1)
    # 1.創(chuàng)建Excel對(duì)象
    workbook = xlwt.Workbook(encoding='utf8')
    # 2.新建sheet表
    worksheet = workbook.add_sheet('Sheet1')
    # 3.自定義列名
    clo1 = table_1[0]
    # 4.將列表元組clo1寫(xiě)入sheet表單中的第一行
    for i in range(0, len(clo1)):
        worksheet.write(0, i, clo1[i])
    # 5.將數(shù)據(jù)寫(xiě)進(jìn)sheet表單中
    for i in range(0, len(table_1[1:])):
        data = table_1[1:][i]
        for j in range(0, len(clo1)):
            worksheet.write(i + 1, j, data[j])
    # 保存Excel文件分兩種
    workbook.save('test88.xls')

執(zhí)行結(jié)果：