python安装pdfplumber,如何用python读取pdf文件
Pdfplumber重点是提取PDF内容，比如文本(位置、字体、颜色等。)和形状(矩形、直线和曲线)，以及解析表格的功能。本文主要介绍如何使用pdfplumber读取PDF并写入Excel。有需要可以参考一下。
00-1010一、Python操作PDF 13大库对比二。pdf木材模块1。安装二。正在加载PDF 3。pdfplumber.PDF四班。pdfplumber。第三类。实际操作一、提取单个PDF的所有页面2。批量提取多个PDF文件
目录
PDF(可移植文档格式)是一种可移植的文档格式，便于跨操作系统传播文档。PDF文档遵循标准格式，所以有很多工具可以操作PDF文档，Python也不例外。
Python PDF模块操作对比图如下：
本文主要介绍pdfplumber侧重于PDF内容提取，如文本(位置、字体、颜色等。)和形状(矩形、直线、曲线)，以及解析表格的功能。
一、Python操作PDF 13大库对比
其他几个Python库帮助用户从PDF中提取信息。总的来说，pdfplumber通过结合以下功能将自己与其他PDF处理储存区区分开来：
轻松访问每个PDF对象的详细信息。用于提取文本和表格的高级、可定制的方法。紧密集成的可视化调试。其他有用实用的功能，比如通过裁剪框过滤对象1。
二、pdfplumber模块
Cmd控制台输入：
pip安装pdf木材
指南：
导入pdf木材
案件PDF截图(两页不全):
1.安装
读取PDF代码：PDF lumber . open( path/file name . PDF ，password= test ，la params={ line _ overlap 3360 0.7 })
参数解释：
密码：要加载受密码保护的PDF，请传递密码关键字参数laparams:要将版面分析参数设置为pdfminer的版面引擎，请传递laparams关键字参数案例代码：
导入pdf木材
用pdfplumber.open(。/1.pdf )作为pdf:
打印(pdf)
打印(类型(pdf))
输出结果：
0x000001A56C323DC0处的pdfplumber.pdf.PDF对象
类 pdf plumb . pdf . pdf
2. 加载PDF
pdfplumber.PDF类代表单个PDF，有两个主要属性：
描述。元数据从PDF的信息中获取元数据键/值对的字典。通常包括“CreationDate”、“ModDate”、“Producer”等。pages返回包含pdfplumber实例的列表。每页
一个实例代表PDF每一页的信息
1. 读取PDF文档信息（.metadata）：
import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
print(pdf.metadata)
运行结果：
{'Author': 'wangwangyuqing', 'Comments': '', 'Company': '', 'CreationDate': "D:20220330113508+03'35'", 'Creator': 'WPS 文字', 'Keywords': '', 'ModDate': "D:20220330113508+03'35'", 'Producer': '', 'SourceModified': "D:20220330113508+03'35'", 'Subject': '', 'Title': '', 'Trapped': 'False'}
2. 输出总页数
import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
print(len(pdf.pages))
运行结果：
2
4. pdfplumber.Page类
pdfplumber.Page类是pdfplumber整个的核心，大多数操作都围绕这个类进行操作，它具有以下几个属性：
常用方法如下：
方法名说明.extract_text()用来提页面中的文本，将页面的所有字符对象整理为的那个字符串.extract_words()返回的是所有的单词及其相关信息.extract_tables()提取页面的表格.to_image() 用于可视化调试时，返回PageImage类的一个实例.close()默认情况下，Page对象缓存其布局和对象信息，以避免重新处理它。但是，在解析大型 PDF 时，这些缓存的属性可能需要大量内存。您可以使用此方法刷新缓存并释放内存。
1. 读取第一页宽度、高度等信息
import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
first_page = pdf.pages[0] # pdfplumber.Page对象的第一页
# 查看页码
print(页码：, first_page.page_number)
# 查看页宽
print(页宽：, first_page.width)
# 查看页高
print(页高：, first_page.height)
运行结果：
页码： 1
页宽： 595.3
页高： 841.9
2. 读取文本第一页
import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
first_page = pdf.pages[0] # pdfplumber.Page对象的第一页
text = first_page.extract_text()
print(text)
运行结果：
店铺名 价格 销量 地址
小罐茶旗舰店 449 474 安徽
零趣食品旗舰店 6.9 60000 福建
天猫超市 1304 3961 上海
天猫超市 139 25000 上海
天猫超市 930 692 上海
天猫超市 980 495 上海
天猫超市 139 100000 上海
三只松鼠旗舰店 288 25000 安徽
红小厨旗舰店 698 1767 北京
三只松鼠旗舰店 690 15000 安徽
一统领鲜旗舰店 1098 1580 上海
新大猩食品专营
9.8 7000 湖南
.......
舰店
蟹纳旗舰店 498 1905 上海
三只松鼠坚果at茶 188 35000 安徽
嘉禹沪晓旗舰店 598 1517 上海
3. 读取表格第一页
import pdfplumberimport xlwt
with pdfplumber.open("1.pdf") as pdf:
page_one = pdf.pages[0] # PDF第一页
table_1 = page_one.extract_table() # 读取表格数据
# 1. 创建Excel表对象
workbook = xlwt.Workbook(encoding=utf8)
# 2. 新建sheet表
worksheet = workbook.add_sheet(Sheet1)
# 3. 自定义列名
col1 = table_1[0]
# print(col1)# [店铺名, 价格, 销量, 地址]
# 4. 将列属性元组col写进sheet表单中第一行
for i in range(0, len(col1)):
worksheet.write(0, i, col1[i])
# 5. 将数据写进sheet表单中
for i in range(0, len(table_1[1:])):
data = table_1[1:][i]
for j in range(0, len(col1)):
worksheet.write(i + 1, j, data[j])
# 6. 保存文件分两种格式
workbook.save(test.xls)
运行结果：
三、实战操作
1. 提取单个PDF全部页数
测试代码：
import pdfplumberimport xlwt
with pdfplumber.open("1.pdf") as pdf:
# 1. 把所有页的数据存在一个临时列表中
item = []
for page in pdf.pages:
text = page.extract_table()
for i in text:
item.append(i)
# 2. 创建Excel表对象
workbook = xlwt.Workbook(encoding=utf8)
# 3. 新建sheet表
worksheet = workbook.add_sheet(Sheet1)
# 4. 自定义列名
col1 = item[0]
# print(col1)# [店铺名, 价格, 销量, 地址]
# 5. 将列属性元组col写进sheet表单中第一行
for i in range(0, len(col1)):
worksheet.write(0, i, col1[i])
# 6. 将数据写进sheet表单中
for i in range(0, len(item[1:])):
data = item[1:][i]
for j in range(0, len(col1)):
worksheet.write(i + 1, j, data[j])
# 7. 保存文件分两种格式
workbook.save(test.xls)
运行结果（上面得没截全）：
2. 批量提取多个PDF文件
测试代码：
import pdfplumberimport xlwt
import os
# 一、获取文件下所有pdf文件路径
file_dir = rE:\Python学习\pdf文件
file_list = []
for files in os.walk(file_dir):
# print(files)
# (E:\\Python学习\\pdf文件, [],
# [1.pdf, 1的副本.pdf, 1的副本10.pdf, 1的副本11.pdf, 1的副本2.pdf, 1的副本3.pdf, 1的副本4.pdf, 1的副本5.pdf, 1的副本6.pdf,
# 1的副本7.pdf, 1的副本8.pdf, 1的副本9.pdf])
for file in files[2]:
# 以. 进行分割如果后缀为PDF或pdf就拼接地址存入file_list
if file.split(".")[1] == pdf or file.split(".")[1] == PDF:
file_list.append(file_dir + \\ + file)
# 二、存入Excel
# 1. 把所有PDF文件的所有页的数据存在一个临时列表中
item = []
for file_path in file_list:
with pdfplumber.open(file_path) as pdf:
for page in pdf.pages:
text = page.extract_table()
for i in text:
item.append(i)
# 2. 创建Excel表对象
workbook = xlwt.Workbook(encoding=utf8)
# 3. 新建sheet表
worksheet = workbook.add_sheet(Sheet1)
# 4. 自定义列名
col1 = item[0]
# print(col1)# [店铺名, 价格, 销量, 地址]
# 5. 将列属性元组col写进sheet表单中第一行
for i in range(0, len(col1)):
worksheet.write(0, i, col1[i])
# 6. 将数据写进sheet表单中
for i in range(0, len(item[1:])):
data = item[1:][i]
for j in range(0, len(col1)):
worksheet.write(i + 1, j, data[j])
# 7. 保存文件分两种格式
workbook.save(test.xls)
运行结果（12个文件，一个文件50行总共600行）：
以上就是Python利用pdfplumber实现读取PDF写入Excel的详细内容，更多关于Python pdfplumber读取PDF写入Excel的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。