python提取pdf文件数据

• 首先要安装这俩个库

pip install pdfplumber
pip install openpyxl

• 1.初始化路径

path = r"C:UserslenovoDesktop论文和面试以客户为中心.pdf"

• 2.打开pdf文件

pdf_mt = pdfplumber.open(path)
pdf_mt

• 3.获取数据所在页（总共多少页）

# 获取到数据所在页  list --> [第一页的对象,第二页的对象,...第n页的对象]
all_pages = pdf_mt.pages
all_pages

• 4.获取pdf每一页文本数据(前四十页的文本数据）

for pdf_pg in all_pages[0:40]:
    print(pdf_pg.extract_text())

• 5.获取表格内容

for pdf_pg in all_pages[0:40]:
    print(pdf_pg.extract_tables())

• 6.将数据保存到excel

# 创建workbook对象
wb = Workbook()
# 激活工作表
ws = wb.active

for pdf_pg in need_pages:
    # print(pdf_pg)
    # 获取每页的文本内容
    # print(pdf_pg.extract_text())
    
    # 获取表格内容 表格：二维 [[],[]]
    # print(pdf_pg.extract_tables()) 
    # 表格有行有列的二维数据，获取二维的列表 
    
    for pdf_tb in pdf_pg.extract_tables():
        # print(pdf_tb) 
        # 将数据一行一行的写入工作表
        for row in pdf_tb:
            ws.append(row)
            
wb.save("demo3.xlsx")