写在前面
经常在学习或工作中需要从PDF获取一些表格数据,直接用PDF阅读器复制的话,很难复制出来,使用PDF转Excel的软件,又需要收费。这时候,可以使用我们强大的python,几行代码就能把pdf的表格内容抽取到Excel,顺便学习一下。
本文介绍一个解析PDF的包使用过程,以及为何挑选这个解析包。
如何挑选python包
我们经常在网上看到一些python包,虽然功能一样,但是包名却不同。例如解析PDF的包,有好几种,那么我们应该怎么挑选呢?这里告诉大家一个方法,利用python官方文档来决定,用哪个比较好。
- pdfplumber
首先,我们通过百度搜索 “包名+ pypi”。
这里我们搜索 pdfplumber pypi
点击进去,英文看不懂不要紧,点击“releasese history”, 看到最新版本是2020年,就是今年发布。说明这个包有人在维护着,所以这个包可以放心使用。就算这个包出了BUG,它下一版本也会修复的,所以不用担心。
- camelot
来对比一下,另外一个PDF解析包,camelot,据说曾经是一个非常实用的pdf解析包,我们来看看它的官方文档,七年之前就停更了、这个包用起来似乎就没那么好了,当然可以用,就是可能会出现与你的python环境会冲突,而且有BUG也不会有人去修复。
所以说,在挑选同类型包时,尽量挑选有人维护的python包,这样即使出了问题,你也可以寻求到帮助。
代码讲解
这次代码很简单,就是pdfplumber的使用。
import pdfplumberimport xlwt
pdflumber: PDF 文件解析包。
xlwt: 用于Excel文件的读写。
workbook = xlwt.Workbook() # 定义workbooksheet = workbook.add_sheet('Sheet1') # 添加sheetpdf = pdfplumber.open("EAST文本检测论文.pdf")for page in pdf.pages: for table in page.extract_tables(): for row in table: print(row) for j in range(len(row)): sheet.write(i, j, row[j])pdf.close()# 保存Excel表workbook.save('EAST文本检测论文_01.xls'
pdfplumber 是按页去解析PDF的,pdf.pages拿到所有页面,extract_tables() 把页面中的表格取出来,最后按照表格的格式赋值给Excel的每个单元格。
运行结果
PDF截图
输出结果
后台私信我,回复:python解析pdf。 我把源码发你。最后,感谢大家的阅读,祝大家工作生活愉快!