代码练习:
import pdfplumber#引进pdfplumber库
import pandas as pd#引进pandas库
pdf=pdfplumber.open('绝对地址或者相对地址')#打开PDF文件
pages=pdf.pages#pages属性获取所有页内容
page=pages[2]#提取第三页,因为表格在第三页
tables=page.extract_tables()#extract_tables()函数提取该页所有表格
table=tables[0]#取第一个表格
pd.set_option('display.max_columns',None)#把表格内容全部显示,默认显示部分
#去掉换行符
for i in range(len(table)):#遍历所得到的表格中的每一个子列表,本表有10个子列表
for j in range(len(table[i])):#遍历子列表中的每一个元素,本项目中每个子列表有10个元素
if table[i][j] is None:#如果遇到None值,则赋值空值
table[i][j]=''
else:#否则直接清洗
table[i][j]= table[i][j].replace('\n', '')#如果不套用条件函数,遇到None会止
步,返回‘NoneType’错误提示
df = pd.DataFrame(table[1:], columns=table[0]) # table[1:]是表格第二行及以下内容,table[0]是表格第一行,及表头内容
print(df)
pdf.close()# 关闭Pdf文件
运行结果:已清洗嵌套列表里的转行符