python提取pdf表格数据匹配_python3用PyPDF2解析pdf文件,用正则匹配数据方式

本文介绍了如何使用Python的PyPDF2库读取PDF文件内容,并结合正则表达式提取特定格式的数据,如股票代码和价格等。通过循环遍历PDF的每一页,提取文本,然后进行数据匹配。此外,还提到了正则表达式的其他应用,以及在使用log4j日志库时避免类选择错误的方法。
摘要由CSDN通过智能技术生成

我就废话不多说了,大家还是看代码吧!

import PyPDF2

import re

pdf_file = open('xxx.pdf', mode='rb')

read_pdf = PyPDF2.PdfFileReader(pdf_file)

# 获取pdf文件的所有页数

number_of_pages = read_pdf.getNumPages()

# print('total_page: ', number_of_pages)

line_list = []

# 循环遍历每一页

for i in range(0, number_of_pages):

# 读取每一页的内容

page = read_pdf.getPage(i)

page_content = page.extractText()

# 将这一页的内容分割为列表,,并相加所有的页面内容

line_list += page_content.split()

# 关闭pdf文件

pdf_file.close()

line_buf = ''

for buf in line_list:

line_buf = line_buf+' '+buf

# 匹配数据:第一列和第二列 如:000069.sz 和 100

# print(line_buf)

a = re.findall('([0-9]+[0-9]+[0-9]+[0-9]+[0-

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值