【Python】Python对爬取的pdf文件中的表格进行解析

一夜下梦成空_此后无声

已于 2022-12-06 11:01:21 修改

阅读量732

点赞数

分类专栏：爬虫 pdf 文章标签： python 开发语言

于 2022-07-26 10:33:49 首次发布

本文链接：https://blog.csdn.net/qq_52688128/article/details/125989430

版权

本文介绍了如何使用Python的pdfplumber库解析爬取到的PDF文件中的表格。首先，通过爬虫获取PDF的二进制数据，然后利用BytesIO将数据存入内存。接着，借助pdfplumber库读取和操作PDF，实现表格的提取。

摘要由CSDN通过智能技术生成

PDF表格解析

使用到的python库

pdfplumber，io

提取目标

http://yjgl.tj.gov.cn/ZWFW5050/bjjggs1/202202/W020220216348928027515.pdf
http://yjgl.tj.gov.cn/ZWFW5050/bjjggs1/202201/W020220130595559114737.pdf
http://yjgl.tj.gov.cn/ZWFW5050/bjjggs1/202201/W020220130595121321067.pdf

在这里插入图片描述

过程说明

通过爬取对应pdf文件，将其二进制数据写入内存，通过io的BytesIO对象，实现内存读取，之后通过pdfplumber加载，最终实现对pdf文件的操作

代码展示

import pdfplumber
import re
import io
import requests
def pdf_parse():
    url = 'http://yjgl.tj.gov.cn/ZWFW5050/bjjggs1/202201/W020220130595559114737.pdf'
    resp = requests.get(url, stream=True)
    resp.encodi