python使用pdfplumber从pdf文件中获取表格信息

pdfplumber介绍

pdfplumber 是一个开源的 Python 库，专门用于读取、解析和操作 PDF 文件。它允许用户以编程方式提取 PDF 文档中的文本、图像、表格以及其他各种元素，并且能够保留原始布局信息。

通过 pdfplumber，您可以实现以下功能：

1. 文本抽取：逐字符或逐段落获取 PDF 中的文本内容，包括字体大小、颜色等样式信息。
2. 图像提取：从 PDF 中导出图片到本地文件。
3. 表格识别与处理：将 PDF 中的表格结构转换为数据结构（如 pandas DataFrame），方便进一步的数据分析和处理。
4. 精确测量：获取页面上任意元素的位置、尺寸以及边界框信息。
5. 图形对象支持：对于线条、矩形等基本图形也能进行提取和测量。

使用 pdfplumber 时，您只需打开 PDF 文件，然后遍历每一页并调用相关方法来获取所需内容。由于其对复杂版面的良好适应性，pdfplumber 在处理非结构化或半结构化的 PDF 文档时表现优秀，尤其在数据抓取、自动化报告处理等领域有着广泛的应用。

openpyxl简介

openpyxl 是一个专门用于读取和编辑 Microsoft Excel .xlsx, .xlsm, .xltx 和 .xltm 文件格式的 Python 库。这个库允许开发者在程序中直接处理Excel文件，无需安装或依赖于Microsoft Office软