​
​

活动地址：CSDN21天学习挑战赛

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

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

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

• 常用方法

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:pythonprojectfile'
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

最后

以上就是哭泣雪糕为你收集整理的Python 读pdf数据写入Excel表中一、Python操作PDF的库有很多二、pdflumber作为案例讲解使用的全部内容，希望文章能够帮你解决Python 读pdf数据写入Excel表中一、Python操作PDF的库有很多二、pdflumber作为案例讲解使用所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。