1.问题
现在有pdf文档,里面的内容是数据表格形式,想让其变为可以编辑的excel文件,应该怎么操作?
2.三种情况
2.1提取pdf某页
#安装并调用包
import pdfplumber
#保存表格,需要安装openpyxl
from openpyxl import Workbook
#输入自己的文件路径
with pdfplumber.open(r"C:\Users\HUAWEI\Desktop\改格式.pdf") as pdf:
#输入自己想提取的某一页,这里是第8页
page01 = pdf.pages[8]
table = page01.extract_table()
workbook = Workbook()
sheet = workbook.active
for column in table:
sheet. Append(column)
#改为自己的输出路径
workbook. Save(filename="C:\\Users\\HUAWEI\\Desktop\\改格式1.xlsx")
2.2提取指定多页
#调用包
import pdfplumber
from openpyxl import Workbook
# 创建一个新的Excel工作簿
workbook = Workbook()
sheet = workbook. Active
#修改自己的pdf路径和遍历页码数以及输出路径
# 遍历第1到第32页,提取表格数据并追加到Excel工作簿中
#修改自己的pdf输入路径
with pdfplumber.open(r"C:\Users\HUAWEI\Desktop\改格式.pdf") as pdf:
#修改遍历页数
for i in range(32):
page = pdf.pages[i]
table = page.extract_table()
for row in table:
sheet.append(row)
# 保存Excel文件
#修改输出路径
workbook. Save(filename="C:\\Users\\HUAWEI\\Desktop\\改格式22.xlsx")
2.3提取全部页数
#安装好相应的包后进行调用包
import os
import pdfplumber
import pandas as pd
# 获取桌面路径
desktop_path = os.path.join(os.path.expanduser('~'), 'Desktop')
# PDF文件路径-将“改格式.pdf”更换为自己pdf文件名
pdf_file = os.path.join(desktop_path, "改格式.pdf")
# 打开PDF文件
with pdfplumber.open(pdf_file) as pdf:
# 创建一个空的DataFrame列表
dfs = []
# 遍历PDF的每一页
for page in pdf.pages:
# 提取当前页的表格数据
table = page.extract_table()
if table:
# 将表格数据转换为DataFrame,并添加到DataFrame列表中
dfs.append(pd.DataFrame(table))
# 合并所有DataFrame
df = pd.concat(dfs, ignore_index=True)
# 将DataFrame写入Excel文件
excel_file = os.path.join(desktop_path, "output_excel_file.xlsx")
df.to_excel(excel_file, index=False)
print("已将PDF文件中的表格数据保存到Excel文件中。")