python识别提取pdf表格数据

最新推荐文章于 2024-10-08 12:22:43 发布

tone1128

最新推荐文章于 2024-10-08 12:22:43 发布

阅读量1.8k

点赞数 1

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/tone1128/article/details/105503474

版权

python 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

本文介绍使用pdfplumber和pandas库从PDF文件中提取文本和表格数据的方法。首先，通过pdfplumber打开PDF并提取第一页的文本内容。然后，读取第二页的表格数据，并将其转换为DataFrame格式，便于进一步的数据分析。

摘要由CSDN通过智能技术生成

import pdfplumber
import pandas as pd

	#打开pdf文件
    with pdfplumber.open(filePath) as pdf:
        first_page = pdf.pages[0]
        text = first_page.extract_text()
        print(text)
        #读取第二页表格数据
        second_page = pdf.pages[1]              
        #在第二页提取表格
        table = second_page.extract_tables()    
        for t in table:
            df = pd.DataFrame(t[1:],columns=t[0])
            #打印
            print(df)
            ![待识别的pdf中表格](https://img-blog.csdnimg.cn/20200414081127585.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvbmUxMTI4,size_16,color_FFFFFF,t_70#pic_center)

识别提取到的表格