Pdf提取文字、表格数据

1.导入PdfPlumberer、pandas　

import pdfplumber
import pandas as pd

2.读取、保存文字数据

file="./文件存放文件夹/8月.pdf"

'''单页重点:修改页数控制读取的页数，0为第一页'''

with pdfplumber.open(file) as pdf:  #单页文字
　　text=pdf.pages[0].extract_text()    
　　print(text)
    #保存文件
    with open("保存文件名称.txt","a",encoding="utg-8") as f:
          f.write(text)

with pdfplumber.open(file) as pdf:  #多页文字
    for page in pdf.pages:
       text=pages.extract_text()  
　　    print(text)
        #保存文件
        with open("保存文件名称.txt","a",encoding="utg-8") as f:
              f.write(text)

 3.读取、保存表格数据

file="./文件存放文件夹/8月.pdf"

'''单页重点:修改页数控制读取的页数，0为第一页'''

with pdfplumber.open(file) as pdf:     #单页表格
　　table=pdf.pages[0].extract_table()      
　　print(table)
    df=pd.DataFrame([table[0][2],table[2][-1],table[5][5]],columns=("姓名","性别","住址"))
    df.to_excel("保存文件名称.xlsx",index=False)
                    
data=[]                                #多页表格
with pdfplumber.open(file) as pdf:     
    for page in pdf.pages:
       table=pages.extract_table()  
　　   print(table)
       data.append(table[0][2],table[2][-1],table[5][5])
df=pd.DataFrame(data,columns=("姓名","性别","住址")
df.to_excel("保存文件名称.xlsx",index=False)

标签：open,提取,表格,text,file,pdf,Pdf,table,pages
来源： https://www.cnblogs.com/malibo/p/16667956.html