python办公自动化——提取pdf中的文字和表格

python办公自动化——提取pdf中的文字和表格

一、提取pdf中的文字

• 编码流程：

  • 1.导入包：import pdfplumber
  • 2.找到pdf路径:pdf_path = ‘xxx.pdf’
  • 3.打开pdf :pdf = pdfplumber.open(pdf_path)
  • 4.获取页面
    • 获取某一页：parse_page = pdf.pages[n]
    • 获取所有页面:parse_page = pdf.pages
  • 5.获取所有页面的文字:parse_page.extract_text()
  • 6.存储文字:with open("./存储路径.txt",‘a’,encoding = ‘utf-8’) as f:
    f.write(text+’\n’)

• 代码：

  • 获取某个页面

import pdfplumber

pdf_path = './XXX预算.pdf'

pdf = pdfplumber.open(pdf_path)

with open("./提取pdf文字.txt", 'a', encoding='utf-8') as f:
     parse_page