python提取pdf数据,python提取pdf中的表格数据存进数据库

＃ 提取pdf中的测试步骤表数据并将其存储在数据库中

导入 pdfplumber，时间

来自.models import ScenarioInfo ＃ 这是模型中引入的ScenarioInfo表

pdfplumber.open(r " C:\\\\用户\\\\ hisoft \\\\桌面\\\\(2019-09-25)_21460.pdf " )as pdf:

m = 0 ＃ 测试步骤表的数量(由标头数量计算)

s = " \ lt;表\ gt; tbody \ gt; "

mjcd = "" ＃ 上一级菜单

for i in范围(29，len(pdf.pages)):＃ 从第30页获取表单数据

page = pdf.pages [i] ＃ 设置操作页面

n = 1 ＃ 当前页面的第n个表

用于表在中page.extract_tables ():

k = 是

用于行in 范围(len(表)):

如果 str(表[

行]) == r " ["步骤"，"案例步骤"，"预期结果"，"测试信息"，"耗时(秒\\\\ n)"，"结果"] ":＃ 这是基于表行的内容来确定是否它是新表的开始，因为标题内容是固定的>

if i == 29 and n == 1:＃ 确定它是否是第30页的第一个表单

通过

其他 :

s + = " \ lt;/正文\ gt;/表\ gt; "

打印(" i = " ，i)

＃ print(" s ="，s)

＃ print(" mjcd ="，mjcd)

m + = 1

ScenarioInfo.objects.create(test_steps = s，lrry = " 哈哈哈 "，mjcd = mjcd)＃ 保存在数据库中，s是缝合的表单字符串，富文本将识别表单标签显示

time.sleep(0.6 )

mjcd = ""

s = " \ lt;表\ gt; \ lt; tbody \ gt; "

for j in range(len (表[行])):

如果 j == 0:＃ 确定它是否是当前行的第一列

s + = " \ lt; tr \ gt; \ lt; td \ gt; "

s + = 表[行] [j]

如果 j == 1:＃ 要确定它是否是当前行的第二列，请取出上一级菜单，如果有多个上一级菜单，则仅采用第一个菜单

如果 k:

如果 len(表[row] [j].split(" 搜索并打开菜单:[ "))\ gt; 1 :

mjcd = table [row] [j].split(" 搜索以打开菜单:[ ")[1].split(" ] " )[0]

k = 错误

如果 j == len(表[行])-1:＃ 确定它是否是当前行的最后一列

s + = " \ lt;/td \ gt; \ lt;/tr \ gt; "

其他 :

s + = " \ lt;/td \ gt; \ lt; td \ gt; "

如果 i == len(pdf.pages)-1:＃ 确定它是否是最后一页

如果 n == len(page.extract_tables()):＃ 确定它是否为最后一个形式

for行in range(len (表)):

如果 row == len(表格)-1:＃ 确定它是否是当前表的最后一行

for j in range(len (表[行])):

如果 j == len(表[行])-1:＃ 确定它是否是当前行的最后一列

s + = " \ lt;/正文\ gt;/表\ gt; "

打印(" i = " ，i)

打印(" end_s =: " ，s)

m + = 1

打印(" m = " ，m)

打印(" mjcd = " ，mjcd)

ScenarioInfo.objects.create(test_steps = s，lrry = " 哈哈哈 "，mjcd = mjcd)＃ 保存在数据库中

n + = 1