python环境的安装以及pdfplumber库的下载与使用

安装python环境

python下载安装在官网上链接： https://www.python.org。安装时勾选环境变量，这样就能直接把环境变量写入系统，下载安装文档参考：Python 3.8详细安装教程_python3.8安装教程-CSDN博客

安装pycharm

pycharm下载安装的官方网址：https://download-cdn.jetbrains.com.cn/python/pycharm-professional-2023.3.4.exe，下载安装文档参考：PyCharm安装教程，图文教程(超详细)-CSDN博客

安装pdfplumber库

python下载pdfplumber库：

方法一：直接安装：确保有pip环境，使用命令 pip install pdfplumber

方法二：使用镜像安装：

清华大学的镜像： pip install -i Simple Index pdfplumber

豆瓣镜像： pip install -i http://pypi.douban.com/simple/ pdfplumber

如果报错You are using pip version 20.2.1; however, version 24.3.1 is available. You should consider upgrading via the ‘d:\软件\python\python环境\python.exe -m pip install --upgrade pip’ command.说明要升级一下才可用pip，然后输入上面的命令重新下载pdfplumber。

在终端输入命令d:\软件\python\python环境\python.exe -m pip install --upgrade pip就可以升级到可以用的版本。

验证pdfplumber库是否可以使用： import pdfplumber不报错则是可以使用

假如pdfplumber报错显示插件不存在不可用的排查点：

1.检查python版本：python --version

2.手动检查文件夹下面是否有对应的文件夹，Python 库会安装在你的 Python 环境的 site-packages 目录下。具体位置取决于你的 Python 安装方式和系统环境。例如，在 Windows 上，如果使用系统安装的 Python，可能在 C:\PythonXX\Lib\site-packages（其中 XX 是 Python 版本号）；在 Linux 和 macOS 上，可能在 /usr/local/lib/pythonXX/site-packages 或 /usr/lib/pythonXX/site-packages（同样，XX 是 Python 版本号）。

3.检查电脑里是否安装了多个python版本，可能是版本冲突，手动卸载版本，如果卸载过程中显示仍有程序在运行，可能是[python项目]在pycharm关闭后没有完全关闭，出错的程序无法进行到驱动关闭，所以驱动在进程中，文件也在调用，这时移动或者删除文件无法操作，需要在任务管理器中的性能中打开资源监视器，然后CPU搜索关联句柄，结束相关进程，这时就可以正常操作文件了。

4.检查环境变量是否配置齐全：

• 针对Path” 变量，点击 “编辑”。

• 在弹出的 “编辑环境变量” 窗口中，可以添加、删除或修改路径。如果要添加 Python 的路径，点击 “新建”，然后输入 Python 的安装路径（例如，C:\PythonXX，其中 XX 是 Python 版本号）和 \Scripts 路径（例如，C:\PythonXX\Scripts）。

5.检查pycharm中的选择的编译器是否可用。

pdfplumber库的使用

pdfplumber库可迅速将pdf文档转换为易于处理的txt文档，并输出pdf文档的字符、页面、页码等信息，还可进行页面可视化操作。pdfplumber库提供了两种pdf表格提取函数，分别为.extract_tables( )及.extract_table( )。

(1).extract_tables( )

可输出页面中所有表格，并返回一个嵌套列表，通常体现为三维数组的形式，其结构层次为table→row→cell。此时，页面上的整个表格被放入一个大列表中，原表格中的各行组成该大列表中的各个子列表。若需输出单个外层列表元素，得到的便是由原表格同一行元素构成的列表。如果想要输出某个单元格的数据：通常体现为三维数组的形式，例如:

import pdfplumber
with pdfplumber.open(filepath)  as pdf:
    # 读取pdf的页数
    len_tablepdfs=len(pdf.pages)
    # 设置操作第一页pdf
    page = pdf.pages[0]    
    table_info = page.extract_tables()
    # 输出为三维数组的形式[[[]]]，x是最外层表格，y是表格里的行数，z是单元格所在的行标
    print(table_info)
    # 获取第一个表的行数
    len_table_info_0 = len(table_info[0])
    # 获取第一个表的数据
    table_info_1 = table_info[0]
    # 获取第一个表中第一行的数据
    table_info_11 = table_info[0][0]
    # 获取第一个表中第一行中第一个单元格的数据
    table_info_111 = table_info[0][0][0]
    # for循环输出第一个表中的每一行数据
    for index, value in enumerate(table_info[1]):
        print(value) 

(2).extract_table( )

只能输出页面中一个表格，返回多个独立列表，通常体现为二维数组的形式，其结构层次为row→cell。若页面中存在多个行数相同的表格，则默认输出顶部表格；否则，仅输出行数最多的一个表格。此时，表格的每一行都作为一个单独的列表，列表中每个元素即为原表格的各个单元格内容。若需输出某个元素，得到的便是具体的数值或字符串。如下：

with pdfplumber.open(filepath) as pdf:
    # 读取pdf的页数
    len_tablepdfs=len(pdf.pages)
    # 获取第1页数据
    page = pdf.pages[0]
    # 只能读取一个表格的数据，顶部表格或者行数最多的一个表格
    table_info = page.extract_table()
    # 输出为该表格的每一行数据
    for row in enumerate(table_info):
        print(row)
    # 输出该表格的第一行的数据
    table_info_1 = table_info[0]
    # 输出该表格的第一行中第一个单元格的数据
    table_info_11 = table_info[0][0]