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

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-