入门教程、案例源码、学习资料、读者群
请访问: python666.cn
大家好,欢迎来到 Crossin的编程教室 !
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 的第三方工具库 pdfplumber 快速完成这个功能。
一、实现效果图
二、pdfplumber 库
pdfplumber 是一个开源 Python 工具库,可以方便获取 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pipinstall pdfplumber
三、代码实现导入相关包importpdfplumber
importpandas aspd
读取 PDF,并获取 PDF 的页数pdf= pdfplumber.open( "/Users/wangwangyuqing/Desktop/1.pdf")
pages= pdf.pages
提取单个 PDF 文件,保存成 Exceliflen(pages) > 1:
tables = []
foreachinpages:
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)
提取文件夹下多个 PDF 文件,保存成 Excelimport os
import glob
path= r '/Users/wangwangyuqing/Desktop/pdf文件'
forf inglob.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.pages
iflen(pages) > 1:
tables = []
foreach inpages:
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!'
四、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。
作者:python与数据分析
来源:杰哥的IT之旅
Crossin的第2本书《码上行动:利用Python与ChatGPT高效搞定Excel数据分析》已经上市了。
点此查看上一本《码上行动:零基础学会Python编程》介绍
本书从 Python 和 Excel 结合使用的角度讲解处理分析数据的思路、方法与实战应用。不论是希望从事数据分析岗位的学习者,还是其他职业的办公人员,都可以通过本书的学习掌握 Python 分析数据的技能。书中创新性地将 ChatGPT引入到教学当中,用 ChatGPT答疑并提供实训代码,并介绍了使用 ChatGPT 辅助学习的一些实用技巧,给学习者带来全新的学习方式。
公众号的读者朋友们购买后可在后台联系我,加入读者交流群,Crossin会为你开启陪读模式,解答你在阅读本书时的一切疑问。
感谢转发和点赞的各位~
__
实例讲解Python集合类型的常用内置方法
如需了解付费精品课程及教学答疑服务
请在Crossin的编程教室内回复: 666返回搜狐,查看更多
责任编辑: