批量获取PDF里的数据，并转换成excel表格

今天朋友上班摸鱼被领导发现，一气之下给他1000个PDF文件让他把内容提取出来放到excel里，于是找我寻求帮助。

需求是要获取PDF图片里的文件名称，时间，检验编号，款号，这里就不放图了 

安装

pip install pdfminer  //扫描pdf

pip install pdfminer.six  //不安装会报错

pip install openpyxl //excel模块wwww 

 通过pdfminer模块获取图片上的数据，得到的数据用正则表达式匹配一下，然后用openpyxl导出

from openpyxl import Workbook
from pdfminer import high_level
import re,os
workbook = Workbook()
worksheet = workbook.active
worksheet['A1'] = '文件名称'    
worksheet['B1'] = '时间'
worksheet['C1'] = '检验编号'
worksheet['D1'] = '款号'
#pdf文件路径
#root：文件夹路径，dirs:文件夹下子目录名，files：文件夹下的文件
for root,dirs,files in os.walk('./22/'):
    
    #遍历pdf文件
    for f in files:
        file_name = os.path.join(root,f)
        if file_name.endswith('.pdf'):
            #提取整个 pdf 文本信息
            text = high_level.extract_text(file_name)
            #提取 pdf文档中 "企业进本情况:" 后面的信息，利用正则进行匹配
            time = r'(\d{4}-\d{1,2}-\d{1,2})'
            qy_time = re.findall(time,text)
            qy_wttc = re.findall('.*WTTC.*', text)
            qy_num = re.findall('\d{9,10}', text)       
            qy_num_list = list(set(qy_num))
            qy_num_str = ', '.join(qy_num_list)
            row = (f, qy_time[0], qy_wttc[0], qy_num_str)          
            worksheet.append(row)
workbook.save('example.xlsx')

朋友用了直说好