PDF信息批量提取至Excel

在学院做助管时，某老师布置了任务：将1000+个PDF文件的指定内容整理到一个Excel中。为了防止在逐个打开复制粘贴的过程中猝死，尝试编写代码简化此问题。实现的功能主要是将每个PDF的信息分别提取到Excel中的每一行。

需要的模块比较少。

import os
import pdfplumber #解析pdf文件，尤其带有表格的文件
from openpyxl import Workbook #读写Excel的文件

提取PDF信息的函数。

def parse(pdf):targets = [] #保存结果，for page in pdf.pages: words = page.extract_words(x_tolerance=5)for word in words:targets.append(word['text'])return targets#print(targets)

导出至Excel的函数。

def save(targets, out_path, number, sheet_name='targets'):ws.title = sheet_namews._current_row=numberws.append(targets)print(ws)#ws.append(list(targets.values()))wb.save(out_path)

PDF遍历函数。

def pdfFilesPath(path):'''path: 目录文件夹地址返回值：列表，pdf文件全路径'''filePaths = [] # 存储目录下的所有文件名，含路径for root,dirs,files in os.walk(path):for file in files:filePaths.append(os.path.join(root,file))return filePaths

主函数。

# 主函数入口
if __name__ == "__main__":i = 0path = 'pdf地址'pdfpath = pdfFilesPath(path)wb = Workbook()ws = wb.activewhile i < pdf数量:out_path = 'excel输出地址/文件名.xlsx'pdf = pdfplumber.open(pdfpath[i])number = itargets = parse(pdf)save(targets, out_path, number)i += 1print('运行结束！')

完整代码：

import os
import pdfplumber #解析pdf文件，尤其带有表格的文件
from openpyxl import Workbook #读写Excel的文件def parse(pdf):targets = [] #保存结果，for page in pdf.pages: words = page.extract_words(x_tolerance=5)for word in words:targets.append(word['text'])return targets#print(targets)# 保存
def save(targets, out_path, number, sheet_name='targets'):wb = Workbook()ws = wb.activews.title = sheet_namews._current_row=numberws.append(targets)print(ws)#ws.append(list(targets.values()))wb.save(out_path)def pdfFilesPath(path):'''path: 目录文件夹地址返回值：列表，pdf文件全路径'''filePaths = [] # 存储目录下的所有文件名，含路径for root,dirs,files in os.walk(path):for file in files:filePaths.append(os.path.join(root,file))return filePaths# 主函数入口
if __name__ == "__main__":i = 0path = 'pdf地址'pdfpath = pdfFilesPath(path)while i < pdf数量:out_path = 'excel输出地址/文件名.xlsx'pdf = pdfplumber.open(pdfpath[i])number = itargets = parse(pdf)save(targets, out_path, number)i += 1print('运行结束！')

PDF信息批量提取至Excel相关推荐

发票信息批量提取到 excel 软件 4.0
个人微信 394467238 4.0 更新新增了自己的OCR引擎,使用了神经网络模型,但是很可能会导致导入模块失败,并且识别的结果还有很多小问题,所以还请大家使用后反馈问题新增了用发票号码.发票代 ...
发票信息批量提取到 excel 软件 3.1
3.1 更新基础图片识别完全放开了次数限制,可以完全免费使用了,并且修改了之前的一个会导致闪退的bug 新增了高级PDF批量识别,对于扫描版本的PDF文件可以支持了 3.0 更新最大的改动为使用次 ...
发票信息批量提取到 excel 软件 3.0
3.0 更新最大的改动为使用次数可以自动获取了,通过微信扫描小程序即可获得修改了高级图片识别的一些发票项目的bug 2.5更新: 改正了很多影响体验的bug....用起来应该会好多了 2.4更新: ...
发票信息批量提取到 excel 软件 5.1
5.1更新精简入口,合并了图片和PDF的识别入口修正了一些网络不好的情况下的bug 4.0 更新新增了自己的OCR引擎,使用了神经网络模型,但是很可能会导致导入模块失败,并且识别的结果还有很多小 ...
发票信息批量提取到 excel 软件 2.3
地址更新为: 链接:https://pan.baidu.com/s/1WQQ8kaDilaagjoK5IrYZzA 提取码:1111 日了狗了,电脑还是有木马,下载链接取消了,后续我换台电脑打包软件 ...
发票信息批量提取到 excel 软件 2.4
地址更新为: 链接:https://pan.baidu.com/s/1WQQ8kaDilaagjoK5IrYZzA 提取码:1111 个人公众号"代码就是生产力",发布更多有用的 ...
发票信息批量提取到 excel 软件 2.5
2.5更新: 改正了很多的bug.... 用起来应该会好多了 2.4更新: 还是有人反馈下载后360检测会有木马,这次花力气把这个问题彻底解决了,首先是换了一台电脑来生成exe文件,发现还是会被360 ...
信息批量提取工具bulk-extractor
信息批量提取工具bulk-extractor 在数字取证中,通常需要面对海量的数据,如几百GB甚至TB级别的数据.从这些海量数据中,提取有价值的数据是一个漫长.枯燥.繁琐的过程.Kali Linux提 ...

PDF信息批量提取至Excel

PDF信息批量提取至Excel相关推荐

最新文章

热门文章