python分析pdf年报_Python解析PDF文本

基本操作

#pdfplumber对表格的处理能力强于pdfminer

import pdfplumber

import re

path = r'E:\py_shiyan\Pycharm备份\Financial-data-collection-from-web--master\original_data/test3.pdf'

pdf = pdfplumber.open(path)

for page in pdf.pages:

print(page.extract_text())

print((len(pdf.pages))

for pdf_table in page.extract_tables():

print(pdf_table)

for row in pdf_table:

print(row)

进阶操作

对解析的pdf进行整理加工，逐行读取，去掉完全空白的行，将不完全空白的行合并

import pdfplumber

import re

path = r'E:\py_shiyan\Pycharm备份\Financial-data-collection-from-web--master\original_data/test3.pdf'

pdf = pdfplumber.open(path)

for page in pdf.pages:

table = []

cells = []

print(page.extract_text())

for pdf_table in page.extract_tables():

for row in pdf_table:

if not any(row):

# 如果一行全为空，则视为一条记