python 去掉空行_python自动化办公系列 | python操作pdf—— PyPDF2 和 pdfplumber模块（1）...

看了好多代码，目前为止都是散乱的分享，接下来将整理作为专题，进行系统化的一个分享整理，也是我自己学习的过程。第一个的系统化的分享专题——python办公自动化。代码后面的#所表示的是注释，对本行代码进行解释的内容，用#号开头是让程序理解这是注释不需要运行的意思。

本模板旨在分享和解读完整代码，只要你有安装配置好python环境，在pycharm里安装相应的第三方文件库，黏贴代码即可运行，我会尽量在代码后面都进行标注解读。我们以实用型为目的学习。编程类学习，从模仿中掌握突破。需要python教学视频和资料的在公众号菜单栏获取，有任何问题欢迎公众号后台联系我或加我微信。python安装教程

注：import后导入的模块需要单独安装，有些是自带的，但是要实现更复杂的功能一般是安装第三方模块。安装方法：

1.win+r，调出命令提示窗口，输入cmd再按回车键。
2.输入安装指令(电脑要联网，推荐使用国内镜像网站，安装更快，不然很慢)

Python pip安装第三方库的国内镜像

Windows系统下，一般情况下使用pip在DOS界面安装python第三方库时，经常会遇到超时的问题，导致第三方库无法顺利安装，此时就需要国内镜像源的帮助了。

使用方法如下：

例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxx(这里的xxx是模块名)，这样就会从清华这边的镜像去安装pyspider库。

PyPDF2 官网：https://pythonhosted.org/PyPDF2/

* PyPDF2 可以更好的读取、写入、分割、合并 PDF 文件；

* pdfplumber 官网：https://github.com/jsvine/pdfplumber

* pdfplumber 可以更好地读取 PDF 文件内容和提取 PDF 中的表格；

* 这两个库不属于 python 标准库，都需要单独安装；

1)python提取PDF文字内容

#利用 pdfplumber 提取文字import PyPDF2 #导入模块import pdfplumberwith pdfplumber.open("餐饮企业综合分析.pdf") as p:workbook=openpyxl.load_workbook("DataSource\Economics.xlsx")  page = p.pages[2]  print(page.extract_text())

2)利用pdfplumber提取表格并写入excel 

* extract_table()：如果一页有一个表格；

* extract_tables()：如果一页有多个表格；

import PyPDF2import pdfplumberfrom openpyxl import Workbookwith pdfplumber.open("餐饮企业综合分析.pdf") as p:  page = p.pages[4]  table = page.extract_table()  print(table)  workbook = Workbook()  sheet = workbook.active  for row in table:    sheet.append(row  workbook.save(filename = "新 pdf.xlsx")

‍

结果如下

缺陷：可以看到，这里提取出来的表格有很多空行，怎么去掉这些空行呢？

判断：将列表中每个元素都连接成一个字符串，如果还是一个空字符串那么肯定就是空行。

import PyPDF2import pdfplumberfrom openpyxl import Workbookwith pdfplumber.open("餐饮企业综合分析.pdf") as p:  page = p.pages[4]  table = page.extract_table()  print(table)  workbook = Workbook()  sheet = workbook.active  for row in table:    if not "".join([str(i) for i in row]) == "":       sheet.append(row)  workbook.save(filename = "新 pdf.xlsx")

结果如下：

今天就少发点，下次继续；

okok，今天的分享到此结束，欢迎各位三连。长按下方图片关注公众号。