1. Python 操作pdf(pdfplumber读取PDF写入Exce)

1.1 安装pdfplumber模块库

安装pdfplumber:

pipinstallpdfplumber

pdfplumber.PDF类

pdfplumber.PDF类表示单个PDF ,并具有两个主要属性:

属性说明pdf.metadata从PDF的Info中获取元数据键/值对字典。通常包括"CreationDate，“ModDater"，"Producer"等pdf.pages返回一个包含pdfplumber. Page实例的列表,每一一个实例代表PDF每一页的信息

pdfplumber.Page类

pdfplumber.Page类常用属性

属性page number说明.page number顺序页码,从1第一页开始,从第二页开始2 ,依此类推.width页面的宽度.height页面的高度

.objects/ . chars/ .lines/ .rects/ . curves/ .figures/ . images这些属性中的每一个都是一 个列表， 每个列表包含一个字典 ，用于嵌入页面上的每个此类对象，有关详细信息，请参阅下面的“对象”。

常用方法：

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Pagelmage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。

1.2 常用操作

PDF是Portable Document Format的缩写，这类文件通常使用.pdf作为其扩展名。在日常开发工作中，最容易遇到的就是从PDF中读取文本内容以及用已有的内容生成PDF文档这两个任务。

• 1.读取pdf文档信息

• 2.输出总页数

• 3.读取第一页宽度、高度等信息

• 4.读取文本第一页

加载pdf：

• pdfplumber.open( "路径/文件名. pdf".pas sword="test "laparams={ "line _overlap'”0.7 })

• password : 要加载受密码保护的PDF ,请传递password关键字参数

• laparams :要将布局分析参数设置为pdfminer. six的布局引擎,请传递laparams关键字参数

1.2.1 Python读取pdf文件案例

pdf文件如下：

1.2.2 Python读取pdf文件代码

importpdfplumber
加载pdf
path="C:/Users/Administrator/Desktop/test08/test11-多页.pdf"
withpdfplumber.open(path)aspdf:
print(pdf)
print(type(pdf))
读取pdf文档信息
print("pdf文档信息:",pdf.metadata)
输出总页数
print("pdf文档总页数:",len(pdf.pages))
1.读取第一页宽度、高度等信息
first_page=pdf.pages[0]#pdfplumber.Page对象第一页
查看页码
print('pdf页码:',first_page.page_number)
查看页宽
print('pdf页宽:',first_page.width)
查看页高
print('pdf页高:',first_page.height)
2.读取文本第一页
first_page=pdf.pages[0]#pdfplumber.Page对象第一页
text=first_page.extract_text()
print(text)

执行结果：

"D:\Program Files1\Python\python.exe" D:/Pycharm-work/pythonTest/打卡/0811读取pdf.py
<pdfplumber.pdf.PDF object at 0x0000000002846278>
<class 'pdfplumber.pdf.PDF'>
pdf文档信息: {'Author': '', 'Comments': '', 'Company': '', 'CreationDate': "D:20220812102327+02'23'", 'Creator': 'WPS 表格', 'Keywords': '', 'ModDate': "D:20220812102327+02'23'", 'Producer': '', 'SourceModified': "D:20220812102327+02'23'", 'Subject': '', 'Title': '', 'Trapped': 'False'}
pdf文档总页数: 2
pdf页码: 1
pdf页宽: 595.25
pdf页高: 841.85
姓名 年龄 性别 地址 学习技能
张三 20 女 北京 python
李四 25 男 深圳 java
赵五 28 男 上海 C++
孙六 23 女 广州 python
钱七 27 男 珠海 python
张101 20 女 北京 python
.......
.......
张150 27 男 珠海 python
张151 20 女 北京 python
张152 25 男 深圳 java

Process finished with exit code 0

1.2.3 Python读取pdf文件存入Excel代码

importpdfplumber
importxlwt
加载pdf
path="C:/Users/Administrator/Desktop/test08/test11-多页.pdf"
withpdfplumber.open(path)aspdf:
page_1=pdf.pages[0]#pdf第一页
table_1=page_1.extract_table()#读取表格数据
print(table_1)
1.创建Excel对象
workbook=xlwt.Workbook(encoding='utf8')
2.新建sheet表
worksheet=workbook.add_sheet('Sheet1')
3.自定义列名
clo1=table_1[0]
4.将列表元组clo1写入sheet表单中的第一行
foriinrange(0,len(clo1)):
worksheet.write(0,i,clo1[i])
5.将数据写进sheet表单中
foriinrange(0,len(table_1[1:])):
data=table_1[1:][i]
forjinrange(0,len(clo1)):
worksheet.write(i+1,j,data[j])
保存Excel文件分两种
workbook.save('test88.xls')

执行结果：