活动地址：CSDN21天学习挑战赛

一、Python操作PDF的库有很多
二、pdflumber作为案例讲解使用
- 2、安装配置
- 2、加载PDF
- 3、读取pdf文档信息
- - 1）读取pdf文档信息
  - 2）打印pdf文档总页码
- 4、pdfplumber.page类
- - 1）读取pdf的数据(第一页)
  - 2）读取第一页数据
  - 3）将数据写入到Excel表中
  - 4）读取完整pdf文档写入到Excel中
  - 5）多pdf文本写入到Excel表中

一、Python操作PDF的库有很多

几大库对比图

二、pdflumber作为案例讲解使用

pdfplumber及其依赖pdfminer.six专注PDF内容提取，例如文本（位置、字体及颜色等）和形状（矩形、直线、曲线），前者还有解析表格的功能。

## 1、优缺点

优点：

对于文字的解析非常优秀，没有发现错字漏字的情况
对于普通表格的解析也很棒

缺点：

对于表格分页的情况处理很弱
合并单元格的表格解析会不够理想，但是效果还是要比tabula好。

2、安装配置

pip install pdfplumber

结果：

2、加载PDF

pdf样式：

资源下载地址(0积分下载)：https://download.csdn.net/download/walykyy/86398438
读取pdf文档

import pdfplumber# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:print(pdf)# 打印pdf类型print(type(pdf))

3、读取pdf文档信息

1）读取pdf文档信息

属性	描述
`.metadata`	从PDF的Info中获取元数据键 /值对字典。通常包括“ CreationDate”，“ ModDate”，“ Producer”等。
`.pages`	一个包含pdfplumber.Page实例的列表，每一个实例代表PDF每一页的信息。

import pdfplumber# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:#读取文档信息print(pdf.metadata)

结果：

{'Author': 'Tian', 'CreationDate': "D:20220811142408+08'00'", 'ModDate': "D:20220811142408+08'00'", 'Producer': 'Microsoft® Excel® 2016', 'Creator': 'Microsoft® Excel® 2016'}

2）打印pdf文档总页码

属性	说明
`.metadata`	元祖的形式获取pdf文档的相关信息
`.pages`	获取pdf的页码

import pdfplumber# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:#读取文档总页码print(len(pdf.pages))

4、pdfplumber.page类

是pdfplumber的核心

属性	描述
`.page_number`	页码顺序，从第一页的1开始，第二页为2，依此类推
`.width`	页面宽度
`.heigh`	页面高度
`.objects`,`.chars`,`.lines`,`.rects`,`.curves`,`.figures`,`.images`	这些属性中的每一个都是一个列表，并且每个列表针对嵌入面上的每个此类对象包含一个字典。有关更多详细信息，请参见下面的"对象(Object)"

常用方法

方法名	说明
`.crop(bounding_box)`	返回裁剪后的页面，该bouding_box（边界框）应表示为具有值(x0, top, x1, bottom)的4元组。裁剪后的页面保留了至少部分位于边界框内的对象。如果对象仅部分落在该框内，则也会被涵盖。
`.within_bbox(bounding_box)`	和.crop相似，但是只会包含完全在bounding_box内的部分。
`.filter(test_function)`	返回仅包含.objects的页面版本，该对象的test_function(obj)返回True。
`.extract_text(x_tolerance=0, y_tolerance=0)`	将页面的所有字符对象整理到一个字符串中。若其中一个字符的x1与下一个字符的x0之差大于x_tolerance，则添加空格。若其中一个字符的doctop与下一个字符的doctop之差大于y_tolerance，则添加换行符。
`.extract_words(x_tolerance=0, y_tolerance=0, horizontal_ltr=True, vertical_ttb=True)`	返回所有单词外观及其边界框的列表。字词被认为是字符序列，其中（对于“直立”字符）一个字符的x1和下一个字符的x0之差小于或等于x_tolerance，并且一个字符的doctop和下一个字符的doctop小于或等于y_tolerance。对于非垂直字符也采用类似的方法，但是要测量它们之间的垂直距离，而不是水平距离。参数horizontal_ltr和vertical_ttb指示是否应从左到右（对于水平单词）从上到下（对于垂直单词）读取字词。
`.extract_tables(table_settings)`	从页面中提取表格数据。
`.to_image(**conversion_kwargs)`	返回PageImage类的实例。

1）读取pdf的数据(第一页)

import pdfplumber# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:# 读取文档总页码page = pdf.pages[0]print("第一页页码： ", page.page_number)print("第一页页宽： ", page.width)print("第一页页高： ", page.height)

2）读取第一页数据

3）将数据写入到Excel表中

import pdfplumber
import xlwt# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:# 读取文档总页码page = pdf.pages[0]# 读取表格数据table = page.extract_table()# 创建Excel文本work_book = xlwt.Workbook(encoding='utf-8')# 新建sheet表格work_sheet = work_book.add_sheet('sheet1')# 定义列名col = table[0]#将col写入到表单第一行，['省市', '地市', '用电类别', '当期值']for i in range(0, len(col)):work_sheet.write(0, i, col[i])#将数据写入到sheet表中for i in range(0, len(table[1:])):data = table[1:][i]for j in range(0, len(col)):work_sheet.write(i + 1, j, data[j])#保存work_book.save('test2.xls')

结果：

4）读取完整pdf文档写入到Excel中

import pdfplumber
import xlwt# 读取pdf文件
with pdfplumber.open('data.pdf') as pdf:# 读取文档总页码pages = pdf.pages# 定义一个数组item = []for page in pages:# 读取表格数据table = page.extract_table()for i in table:item.append(i)# 创建Excel文本work_book = xlwt.Workbook(encoding='utf-8')# 新建sheet表格work_sheet = work_book.add_sheet('sheet1')# 定义列名col = item[0]# 将col写入到表单第一行，['省市', '地市', '用电类别', '当期值']for i in range(0, len(col)):work_sheet.write(0, i, col[i])# 将数据写入到sheet表中for i in range(0, len(item[1:])):data = item[1:][i]for j in range(0, len(col)):work_sheet.write(i + 1, j, data[j])# 保存work_book.save('test2.xls')

5）多pdf文本写入到Excel表中

import pdfplumber
import xlwt
import os# 读取文件夹路径
file_dir = r'D:\pythonproject\file'
file_list = []
# 循环读取路径pdf文件
for files in os.walk(file_dir):# print(files) ('D:\\pythonproject\\file', [], ['1.pdf', '2.pdf', '3.pdf'])for file in files[2]:# 对文件名切割,以.作为切割符；拼接地址存入file_list中if file.split('.')[1] == 'pdf' or file.split('.')[1] == 'PDF':file_list.append(file_dir + '\\' + file)# 定义一个临时表存放数据
item = []
# 读取pdf文件
for file_page in file_list:with pdfplumber.open(file_page) as pdf:for page in pdf.pages:for i in page.extract_table():item.append(i)# 创建Excel文本
work_book = xlwt.Workbook(encoding='utf-8')
# 新建sheet表格
work_sheet = work_book.add_sheet('sheet1')
# 定义列名
col = item[0]
# 将col写入到表单第一行，['省市', '地市', '用电类别', '当期值']
for i in range(0, len(col)):work_sheet.write(0, i, col[i])
# 将数据写入到sheet表中
for i in range(0, len(item[1:])):data = item[1:][i]for j in range(0, len(col)):work_sheet.write(i + 1, j, data[j])
# 保存
work_book.save('test3.xls')

注意：pdf文档转换的时候一定要弄好，Excel转pdf时候转换成功，但是里面有乱码导致一直读不出来报错，搞了好久

Python 读pdf数据写入Excel表中相关推荐

python实现将数据写入Excel文件中
将数据写入Excel文件中,用python实现起来非常的简单,下面一步步地教大家. 一.导入excel表格文件处理函数 import xlwt 注意,这里的xlwt是python的第三方模块,需要下载 ...
python如何把数据写入excel表格中指定列
Python可以使用openpyxl库来将数据写入Excel表格中指定的列.如果要将数据写入指定的列中,可以使用如下代码:worksheet.write(row_index, column_index ...
如何用python将数据写入Excel文件中
如何用python将数据写入Excel文件中将数据写入Excel文件中,用python实现起来非常的简单,下面一步步地教大家. 一.导入excel表格文件处理函数 import xlwt 注意,这里 ...
按照下面的页面做一个用户注册的Sevlet，要求自己设计表，并将表单的数据写入到表中。
按照下面的页面做一个用户注册的Sevlet,要求自己设计表,并将表单的数据写入到表中. 表单代码如下:(register.html) <!DOCTYPE html> <html la ...
Python读取数据库数据写入Excel
Python读取数据库数据写入Excel 本文示例: 读取数据库数据创建Excel文件,并创建指定名称的sheet页将数据库数据写入创建的sheet页中保存文件示例代码: # -*- codi ...
Python将txt数据写入excel
按属性匹配想要的数据每个txt文件在Excel中为一行 # -*- coding: utf-8 -*- import os import openpyxl from openpyxl import ...
【Python自动化办公】实现excel表中的数据批量导入到word指定位置（表格形式和下滑线形式）
文章目录案例1--word模板为表格案例2--word模板中带有下划线形式 python docx基本操作回到需求案例1--word模板为表格目的就是把excel中的数据,填入word模板中 ...
python按某列拆分excel表格_利用Python+Pandas实现从一个excel表中提取列形成新表
简要利用python实现把一个工作表中的某些列,和其中单独的一列,提取成为一个个新表. 如图(处理前)蓝色部分是需要保留的列,红色是需要一项一项分出来作为单独表格的列. 其中,第一行的名字是用的回车 ...
Python将数据写入excel表格中保存
python读取excel可以参考:<python快速读取excel> 这里用到的库是openpyxl,比较方便好用.直接pip install openpyxl就可以完成安装. 先看一个 ...

Python 读pdf数据写入Excel表中

目录

一、Python操作PDF的库有很多

二、pdflumber作为案例讲解使用

2、安装配置

2、加载PDF

3、读取pdf文档信息

1）读取pdf文档信息

2）打印pdf文档总页码

4、pdfplumber.page类

1）读取pdf的数据(第一页)

2）读取第一页数据

3）将数据写入到Excel表中

4）读取完整pdf文档写入到Excel中

5）多pdf文本写入到Excel表中

Python 读pdf数据写入Excel表中相关推荐

最新文章

热门文章