用 Python 批量提取 PDF 的表格數(shù)據(jù),保存為 Excel

作者：python與數(shù)據(jù)分析

鏈接：https://www.jianshu.com/p/1e796605248e

公眾號后臺回復(fù)：「Python提取PDF數(shù)據(jù)」，即可獲取本文完整數(shù)據(jù)。

需求：想要提取 PDF 的數(shù)據(jù)，保存到 Excel 中。雖然是可以直接利用 WPS 將 PDF 文件輸出成 Excel，但這個功能是收費的，而且如果將大量 PDF轉(zhuǎn) Excel 的時候，手動去輸出是非常耗時的。我們可以利用 Python 的第三方工具庫 pdfplumber 快速完成這個功能。

一、實現(xiàn)效果圖

二、pdfplumber 庫

pdfplumber 是一個開源 Python 工具庫，可以方便獲取 PDF 的各種信息，包括文本、表格、圖表、尺寸等。完成我們本文的需求，主要使用 pdfplumber 提取 PDF 表格數(shù)據(jù)。

安裝命令

pip?install?pdfplumber

三、代碼實現(xiàn)

導(dǎo)入相關(guān)包

import?pdfplumber
import?pandas?as?pd

讀取 PDF，并獲取 PDF 的頁數(shù)

pdf?=?pdfplumber.open("/Users/wangwangyuqing/Desktop/1.pdf")
pages?=?pdf.pages

提取單個 PDF 文件，保存成 Excel

if?len(pages)?>?1:
????tables?=?[]
????for?each?in?pages:
????????table?=?each.extract_table()
????????tables.extend(table)
else:
????tables?=?each.extract_table()

data?=?pd.DataFrame(tables[1:],?columns=tables[0])
data
data.to_excel("/Users/wangwangyuqing/Desktop/1.xlsx",?index=False)

提取文件夾下多個 PDF 文件，保存成 Excel

import?os
import?glob

path?=?r'/Users/wangwangyuqing/Desktop/pdf文件'
for?f?in?glob.glob(os.path.join(path,?"*.pdf")):
????res?=?save_pdf_to_excel(f)
????print(res)


def?save_pdf_to_excel(path):
????#?????print('文件名為：',path.split('/')[-1].split('.')[0]?+?'.xlsx')

????pdf?=?pdfplumber.open(path)
????pages?=?pdf.pages
????if?len(pages)?>?1:
????????tables?=?[]
????????for?each?in?pages:
????????????table?=?each.extract_table()
????????????tables.extend(table)
????else:
????????tables?=?each.extract_table()
????data?=?pd.DataFrame(tables[1:],?columns=tables[0])

????file_name?=?path.split('/')[-1].split('.')[0]?+?'.xlsx'
????data.to_excel("/Users/wangwangyuqing/Desktop/data/{}".format(file_name),?index=False)
????return?'保存成功！'

四、小結(jié)

Python 中還有很多庫可以處理 pdf，比如 PyPDF2、pdfminer 等，本文選擇 pdfplumber 的原因在于能輕松訪問有關(guān) PDF 的所有詳細信息，包括作者、來源、日期等，并且用于提取文本和表格的方法靈活可定制。大家可以根據(jù)手頭數(shù)據(jù)需求，再去解鎖 pdfplumber 的更多用法。

原創(chuàng)推薦

太強了！Python 開發(fā)桌面小工具，讓代碼替我們干重復(fù)的工作！

情人節(jié)，我用 Python 給女朋友做了個選禮物看板！

分析了汽車銷量數(shù)據(jù)下滑后，我發(fā)現(xiàn)了其中的秘密！