通过Python的pdfplumber库提取pdf中表格数据
文章目录
- 前言
- 一、pdfplumber库是什么?
- 二、安装pdfplumber库
- 三、查看pdfplumber库版本
- 四、提取pdf中表格数据
- 1.引入库
- 2.定义pdf文件路径
- 3.打开pdf文件
- 4.获取pdf文件中的页数
- 5.遍历每一页
- 6.获取当前页内容
- 7.提取表格数据
- 8.输出表格数据
- 9.效果
- 总结
前言
大家好,我是空空star,本篇给大家分享一下
《通过Python的pdfplumber库提取pdf中表格数据》
。
一、pdfplumber库是什么?
pdfplumber是一个用于从PDF文档中提取文本和表格数据的Python库。它可以帮助用户轻松地从PDF文件中提取有用的信息,例如表格、文本、元数据等。pdfplumber库的特点包括:简单易用、速度快、支持多种PDF文件格式、支持从多个页面中提取数据等。pdfplumber库还提供了一些方便的方法来处理提取的数据,例如排序、过滤和格式化等。它是一个非常有用的工具,特别是在需要从大量PDF文件中提取数据时。
二、安装pdfplumber库
pip install pdfplumber
三、查看pdfplumber库版本
pip show pdfplumber
Name: pdfplumber
Version: 0.9.0
Summary: Plumb a PDF for detailed information about each char, rectangle, and line.
Home-page: https://github.com/jsvine/pdfplumber
Author: Jeremy Singer-Vine
Author-email: jsvine@gmail.com
License:
Requires: pdfminer.six, Pillow, Wand
Required-by:
四、提取pdf中表格数据
1.引入库
import pdfplumber
2.定义pdf文件路径
local = '/Users/kkstar/Downloads/'
3.打开pdf文件
with pdfplumber.open(local+"demo_table.pdf") as pdf:
4.获取pdf文件中的页数
num_pages = len(pdf.pages)
5.遍历每一页
for page_num in range(num_pages):
6.获取当前页内容
page = pdf.pages[page_num]
7.提取表格数据
table = page.extract_table(table_settings={"vertical_strategy": "lines","horizontal_strategy": "lines","intersection_x_tolerance": 15,"intersection_y_tolerance": 15})
8.输出表格数据
for row in table:print(row)
9.效果
[‘username’, ‘nickname’, ‘article’]
[‘weixin_38093452’, ‘空空 star’, ‘130889268’]
[‘weixin_38093452’, ‘空空 star’, ‘130852811’]
[‘weixin_38093452’, ‘空空 star’, ‘130815851’]
Process finished with exit code 0
总结
通过Python的pdfplumber库提取pdf中表格数据相关推荐
- 通过Python的fitz库提取pdf中的图片
文章目录 前言 一.fitz库是什么? 二.安装fitz库 三.查看fitz库版本 四.pymupdf库是什么? 五.安装pymupdf库 六.查看pymupdf库版本 七.fitz和pymupdf是 ...
- 【python自动化办公(10)】python利用pdfplumber库提取PDF文字以及表格内容(复杂表格字段数据的处理)
利用pdfplumber提取文字 pdfplumber.open(pdf路径)/pdf.pages[页数]/page.extract_text() import os os.chdir('D:\\py ...
- 通过Python的pdfplumber库将pdf转为图片
文章目录 前言 一.pdfplumber库是什么? 二.安装pdfplumber库 三.查看pdfplumber库版本 四.pdf素材 五.将pdf转为图片 1.引入库 2.定义pdf路径 3.打开P ...
- 人口普查分析:利用python+百度文字识别提取图片中的表格数据
今天发布了最新的人口普查结果,笔者拿到的文件是pdf格式(网上应该有).之前就一直想实现从pdf提取表格数据,输出为excel.正好这次有公开数据,因此打算用来练个手. 尝试了两种方法: 1.pyth ...
- 利用python中pdfplumber库提取PDF文件中文字
pdfplumber库中提供了一个extract_text()方法来帮助我们提取PDF文件中的文字.我们只需要使用pdfplumber中的open()方法打开我们希望提取文字的PDF文件,然后对所需提 ...
- iText如何提取PDF中的数据——1. 总览
作者:CuteXiaoKe 微信公众号:CuteXiaoKe | 原文 最近收到大家很多的私信提问,也是大家比较关心的问题:如果我有一个PDF,我该如何使用iText获取PDF里面的内容呢,比如文 ...
- python提取网页中表格数据_Python2 BeautifulSoup 提取网页中的表格数据及连接
网址:http://quote.eastmoney.com/ce- 要做的是提取网页中的表格数据(如:板块名称,及相应链接下的所有个股,依然是个表格) 暂时只写了这些代码: import urllib ...
- Python实现Excel与Word文件中表格数据的导入导出
封面图片:<Python程序设计实验指导书>(ISBN:9787302525790),董付国,清华大学出版社 图书详情(京东): ============= 问题描述:Excel文件&qu ...
- 使用 docx 库读取 Word 中表格数据
需求如下图: 从下图Word表格中,读取填入的数据,并进行判断选项,最终将数据填入客户系统. 代码处理如下: import docxfrom docx import Document #导入库path ...
最新文章
- luogu P2365 任务安排(FJOI2019 batch)
- [DP]【最大全零矩阵】【2015.7.9TEST】E
- 使用window.performance分析web前端性能
- 编译原理题练习题测试题
- 《MySQL——38道查询练习(无连接查询)》
- 树莓派环境处理_一种基于树莓派的便携式的环境监测系统的制作方法
- 万条留言!这本Python凭啥火爆程序员的朋友圈?
- 3ds Max Graphic Device Error 怎么解决(设置问题)
- 190628每日一句
- 从程序设计方法学的角度比较 SP 方法与OOP 方法
- noip2017棋盘(超级详细)
- Easy UI中combobox利用拼音进行筛选
- Spring实战(使用数据)
- 远程高效办公指南,每天都是能量满满的workaholism!
- LC-恢复二叉搜索树(JavaScript实现)
- Android编译Skia库
- 不同的打法,相同的内核,BAT车联网谁也不比谁更强
- 商品打折程序 java_Java 为超市打折水果编写一个购物程序
- 微信媒体服务器推流,干货:“微信+直播”成新媒体营销新方式
- php个人编程词典,【编程词典】php htmlentities()函数