python实现pdf到excel的自动批量转换(附 完整代码)

python实现pdf到excel的自动批量转换

做的一个法拍房源地图可视化项目,获取的房源都是Pdf格式,需要转换成excel格式进行再进行处理,先把转换代码分享一下。
pdf格式如下:
pdf文件格式
转换后的excel:
转换后的excel
备注:需要pip 安装pdfplumber库,试了其它的库还是这个最好用。
转换的完整代码如下:

import os
import pandas as pd
import sys
import importlib
import math
import csv
import pdfplumber
importlib.reload(sys)
dir = '/Users/awesomeo/map/foreclosure' #存放pdf的文件夹
def pdf_to_excel(
  • 10
    点赞
  • 54
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
实现OCR识别PDFExcel中,可以使用Python的PyPDF2和pytesseract库。下面是一个简单的步骤: 1. 安装必要的库 ```python pip install PyPDF2 pip install pytesseract pip install pdf2image pip install Pillow ``` 2. 导入必要的库 ```python import os import pytesseract from pdf2image import convert_from_path from PIL import Image import pandas as pd ``` 3. 定义一个函数,将PDF文件转换为图像 ```python def pdf_to_image(pdf_file_path): pages = convert_from_path(pdf_file_path) return pages ``` 4. 定义一个函数,将图像进行OCR识别 ```python def image_to_text(image): text = pytesseract.image_to_string(image) return text.strip() ``` 5. 定义一个函数,将PDF文件中的所有页转换为文本 ```python def pdf_to_text(pdf_file_path): pages = pdf_to_image(pdf_file_path) text = [] for page in pages: text.append(image_to_text(page)) return text ``` 6. 将文本保存到Excel文件中 ```python def save_to_excel(pdf_file_path, excel_file_path): text = pdf_to_text(pdf_file_path) df = pd.DataFrame(text, columns=['Text']) df.to_excel(excel_file_path, index=False) ``` 7. 调用函数将PDF文件转换Excel文件 ```python pdf_file_path = 'path/to/pdf/file.pdf' excel_file_path = 'path/to/excel/file.xlsx' save_to_excel(pdf_file_path, excel_file_path) ``` 注意:这只是一个基本的示例,实际的应用可能需要更多的处理和优化。同时,请注意版权和隐私问题,确保您有权使用和处理PDF文件。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
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