自动化办公-PDF篇

        本章介绍pdf自动化办公——pdfplumber的使用。本文由于特殊因素，本人觉得还有所欠缺，建议先看结尾。

目录

导入库及文件

1.  获取页码

2.  获取一个页面上的一个表格

3.  获取一个页面上的全部表格

4.  获取一个页面上全部文字

5.  获取当前页的页码

结尾

---

导入库及文件

import pdfplumber
file = pdfplumber.open(r"C:\Users\流光、月影\Desktop\pdfplumber.pdf")

1.  获取页码

        file.pages

print(file.pages)

图1

        输出页码。如果想要统计总页码数，可以使用 len函数。以下所有操作都基于此之上。

2.  获取一个页面上的一个表格

        page.extract_table()

        由于该文件为某学校的文件，这里就不提供文件及代码了，仅供截图，请原谅。

图2

        如果想要把该表转换成表格，可以通过pandas完成：

 

        与原表并无多大区别。

3.  获取一个页面上的全部表格

        page.extract_tables()

图3

        输出的内容相比于图2，首尾多了一个[]。我们可以看开头，一个[为一个列表（一行或一列）；两个[[为一个面，相当于一个excel表格那样；三个[[[为多个面组成的三维结构，可表示多个面。这个案例一个面就相当于一个表。想要清楚地理解这个知识，需要有numpy和pandas基础。

4.  获取一个页面上全部文字

        page.extract_text()

5.  获取当前页的页码

        page.page_number    准确来说，是第几页，而不是页码，因为页码可以从任意页开始。

        file.pages[1] 表示第2页（ file.pages[0] 表示第1页）。

结尾

        本文本人认为不够理想，因为没有给代码，但是由于文件的原因，可能不太方便，也不想带来任何麻烦，尽管可能没有，所以就不提供源文件了。由于没有源文件，提供代码感觉用处也不大，无法运行（看图的代码和输出分析可能更好）。如果浪费了大家时间，本人在这深深表示抱歉。

        最后，记得关闭文件。如果是一个几个，问题不大，如果是几十个上百个，那要在每一个文件处理完后都要关闭，不然占用太多内存，影响运行效率。关闭文件代码如下：

file.close()