python提取pdf文件數據

• 首先要安裝這倆個庫

pip install pdfplumber
pip install openpyxl

• 1.初始化路徑

path = r"C:\Users\lenovo\Desktop\論文和面試\以客戶為中心.pdf"

• 2.打開pdf文件

pdf_mt = pdfplumber.open(path)
pdf_mt

• 3.獲取數據所在頁（總共多少頁）

# 獲取到數據所在頁 list --> [第一頁的對象,第二頁的對象,...第n頁的對象]
all_pages = pdf_mt.pages
all_pages

• 4.獲取pdf每一頁文本數據(前四十頁的文本數據）

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

• 5.獲取表格內容

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

• 6.將數據保存到excel

# 創建workbook對象
wb = Workbook()
# 激活工作表
ws = wb.active

for pdf_pg in need_pages:
# print(pdf_pg)
# 獲取每頁的文本內容
# print(pdf_pg.extract_text())
# 獲取表格內容 表格：二維 [[],[]]
# print(pdf_pg.extract_tables()) 
# 表格有行有列的二維數據，獲取二維的列表 
for pdf_tb in pdf_pg.extract_tables():
# print(pdf_tb) 
# 將數據一行一行的寫入工作表
for row in pdf_tb:
ws.append(row)
wb.save("demo3.xlsx")