1.升级Python

之前win10 x64操作系统上安装的是python3.7.0版本（此版本也能进行本文的工作）。出于后续识别图片中文字的需要，还是将其升级到了python 3.8版本。

Python官方下载地址
并不用卸载旧的 python3.7.0版本，在官网下载python-3.8.10-amd64.exe文件后，安装，将安装目录添加至Path环境变量。同时屏蔽(或删除)之前 python3.7.0版本的环境变量即可。

重启PC，新的环境变量生效。

2.使用Python识别PDF中字符、文字

声明：所使用的PDF不能是图片扫描件或者是直接由图片生成的PDF，否则无法识别。PDF文件中的文字必须满足鼠标可拖选高亮、且可复制。

2.1 依赖模块安装

先安装pdfplumber：

pip install pdfplumber

第二个是fitz, 它是pymupdf中的一个模块，pip轻松安装。

pip install pymupdf

2.2 文字信息提取思路

A）先用pdfplumber打开一个 PDF 文件。
B）获取指定的页，例如page = pdf.pages[0]便是获取第1页。或者遍历所有页。
C）利用.extract_text()方法提取当前页的文字。

2.3 代码案例

import pdfplumber
file_path = r’C:\Users\Curry\Desktop\1234.pdf’
with pdfplumber.open(file_path) as pdf:
page = pdf.pages[0]
print(page.extract_text())

2.4 表格信息提取

提取单个表格与提取单页文字代码类似，用.extract_table().

要注意的是.extract_table()默认提取指定页面第一个表格，如需提取当前页面的多个表格，则使用.extract_tables()。

import pdfplumber
file_path = r'C:\xxxx\12345.PDF'
with pdfplumber.open(file_path) as pdf:page = pdf.pages[0]print(page.extract_table())

注：参照https://blog.csdn.net/weixin_39599081/article/details/111196131

使用Python识别/提取PDF中的字符、文字相关推荐

在线提取PDF中图片和文字
无需下载软件,你就可以在线提取PDF中图片和文字,http://www.extractpdf.com/不仅可以获取本地PDF文档的图片和文字,还能获取远程PDF文档的图片和文字. 结果本人测试,该工具 ...
三种方法，用Python轻松提取PDF中的全部图片
作者 | 陈熹.刘早起来源 | 早起Python 头图 | 下载于视觉中国有时我们需要将一份或者多份PDF文件中的图片提取出来,如果采取在线的网站实现的话又担心图片泄漏,手动操作又觉得麻烦,其实用 ...
三种方法，Python轻松提取PDF中全部图片
有时我们需要将一份或者多份PDF文件中的图片提取出来,如果采取在线的网站实现的话又担心图片泄漏,手动操作又觉得麻烦,其实用Python也可以轻松搞定! 今天就跟大家系统分享几种Python提取 PDF ...
【办公自动化】使用Python一键提取PDF中的表格到Excel（文末送书5本）
python批量提取pdf的数据_Python批量提取PDF文件中文本的脚本
本文实例为大家分享了Python批量提取PDF文件中文本的具体代码,供大家参考,具体内容如下首先需要执行命令pip install pdfminer3k来安装处理PDF文件的扩展库. import ...
Python办公自动化——提取pdf文件中表格并到Excel
Python办公自动化--提取pdf文件中表格合并到Excel 需求描述现有一 pdf 文件内容如下,文件中内容主要是表格形式的获奖名单,共158页.现要读取这些表格信息并保存到 excel 文件中 ...
Python提取PDF中的文字和图片
一,使用Python提取PDF中的文字 # 只能处理包含文本的PDF文件 #coding=utf-8 import sys import importlib importlib.reload(sys) ...
python提取字符串中的字符
一.取单个字符可以使用 Python 的字符串索引来提取字符串中的字符.索引从 0 开始,可以使用方括号 [] 来访问字符串中的单个字符. # 取单个字符,索引从 0 开始 path = 'FLX_ ...
python分析pdf年报货币现金_如何用Python从大量pdf 中提取表格中的数据进行分析？...
根据一楼答案@森林的建议说说我的处理经验我也是借助开源项目tabula,不得不说tabula的功能确实很强大. 我是用Python来处理数据,但是没有用tabula-py,因为表格跨列跨行等情况比 ...
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 ...

使用Python识别/提取PDF中的字符、文字