Python之PDF提取表格数据

提取PDF文件中的表格数据是一个很常见的需求，为此我们经常付费，其实实现起来比较容易

这里使用camelot提取数据

import camelot
tables = camelot.read_pdf(pdf_filepath, pages='1-end')
for item in tables:
    df = item.df
    # item.to_csv('test.csv')
    # item.to_excel('test.xlsx')

• pages使用’1-end’就可以读取pdf文件所有页
• 这里将每个表格数据转换为pandas DataFrame(df)
• 也可以直接导出CSV，Excel文件：to_csv，to_excel

但现实中我们的需求往往更复杂

实例需求：多个pdf文件，每个pdf可能有多页，要求提取指定列的所有数据，并去重，最终导出excel文件

import camelot
import glob
import openpyxl

# 导出excel