本文介绍了Python中用于处理PDF文件的两个模块——pypdf2和pdfplumber。pypdf2模块可用于读取、写入、分割和合并PDF文件，而pdfplumber则擅长读取PDF内容，特别是提取表格。通过pip安装这两个模块后，可以方便地进行PDF操作，如合并文件、提取关键数据、加密、旋转页面、添加水印等。使用pdfplumber提取文字和表格，包括写入Excel的操作，需要注意表格处理时的特殊情况，如空行和单词切分。
pdf相关模块简介与安装 pypdf2模块
它可以读取、写入、分割、合并PDF文件，需要单独安装，不包含在Python标准模块里，官网：https://pythonhosted.org/PyPDF2/ pdfplumber模块
它可以更好地读取PDF文件内容，可以提取PDF中的表格，也是需要单独安装，不包含在Python标准模块里，官网：https://github.com/jsvine/pdfplumber/
发挥你的想象力！节约你的时间！有好多PDF要合并到同一个PDF里？从一堆财报中找到关键的呢些数据？批量加密PDF？把某些页面旋转一下？批量添加水印？……
直接使用pip命令安装PyPDF2和pdfplumber即可，鳄鱼君这里直接在pycharm的setting里面安装的，应该不会出现问题!
pdfplumber提取文字
利用pdfplumber提取文字，使用pdfplumber.open(PDF路径)打开PDF文件，pdf.pages[页数]获取页数，page.extract_text()获取文本内容
pdfplumber提取表格
提取简单的表格
提取多个简单表格
extract_tables()方法接收table_settings参数，该参数是一个字典，可以规定表格的信息，可以查看官方文档，这里不详细介绍！
PDF写入Excel表格
将pdf中提取到的table写入到Excel表格中
对于不规整的PD表格，在提取的过程可能会出现空行和单词切分的问题，这里需要进行判断。对于空行，需要判断，非空行的才写入Excel表格，将列表中每个元素都连成一个字符串，如果还是一个空字符串那么就肯定是空行：
合并单词，这里假设Excel表格中的前3列表示PDF中的1列数据，需要将Excel中的前3列合并：
将前3列非None的内容合并为一个字符串，然后再添加到列表中。行内条件判断，就是一行代码完成条件判断：
如果x小于10，y值为x*2，否则y值为20，就这么理解！
声明：1. 本站所有资源来源于用户上传和网络，因此不包含技术服务请大家谅解！如有侵权请邮件联系客服！
2. 本站不保证所提供下载的资源的准确性、安全性和完整性，资源仅供下载学习之用！如有链接无法下载、失效或广告，请联系客服处理！
3. 您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容资源！如用于商业或者非法用途，与本站无关，一切后果请用户自负！
收藏分享链接：https://www.mubanjun.cn/9791.html
分享到 :
扫一扫
1538
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
