项目是做不完的，生活处处是项目

规划项目化，项目清单化
http://www.chengdu.gov.cn/chengdu/c128551/zt_jhqb.shtml
下载成都市官网城市机会清单发布大厅的清单，将之转换成excel，后续有时间实现多份清单的关键词搜索功能。待开发ing……
那么今天的任务就是实现pdf转excel
以成都市2022新经济赋能智慧蓉城建设城市机会清单为例子，我自己命名为first.pdf，并且存到了桌面。

#调包侠第一步
import pandas as pd
import numpy as np
import pdfplumber 
1
2
3
4

#路径和命名
path = r'C:\Users\ty\Desktop\first.pdf'
pdf = pdfplumber.open(path)
df_gov_demand =pd.DataFrame()
df_gov_suply =df_gov_demand.copy()
df_com_demand=df_gov_demand.copy()
df_com_suply = df_gov_demand.copy()
# 每个清单的column不一样，但是一致的是都是每页表格的第一行table[0]
1
2
3
4
5
6
7
8

#为什么不写成函数？有时间再写，因为我天生不是天才码农，哭哭
writer = pd.ExcelWriter(r"C:\Users\ty\Desktop\target.xlsx")
for page in pdf.pages[1:47]:
    print (page)
#  获取当前页面的全部文本信息，包括表格中的文字
#  print(page.extract_text())
    for table in page.extract_tables():
#       print(table)
        df_gov_demand=df_gov_demand.append(pd.DataFrame(table[1:],columns=table[0]),ignore_index=True)
df_gov_demand.to_excel(writer,sheet_name='df_gov_demand' ,encoding ='utf-8')

for page in pdf.pages[48:64]:
    print (page)
    for table in page.extract_tables():
#       print(table)
        df_gov_suply=df_gov_suply.append(pd.DataFrame(table[1:],columns=table[0]),ignore_index=True)
df_gov_suply.to_excel(writer,sheet_name='df_gov_suply' ,encoding ='utf-8')    

for page in pdf.pages[65:88]:
    print (page)
    for table in page.extract_tables():
#       print(table)
        df_com_demand=df_com_demand.append(pd.DataFrame(table[1:],columns=table[0]),ignore_index=True)
df_com_demand.to_excel(writer,sheet_name='df_com_demand' ,encoding ='utf-8')    

for page in pdf.pages[89:129]:
    print (page)
    for table in page.extract_tables():
        df_com_suply=df_com_suply.append(pd.DataFrame(table[1:],columns=table[0]),ignore_index=True)   
df_com_suply.to_excel(writer,sheet_name='df_com_suply' ,encoding ='utf-8')
writer.save()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

结果弄好之后，这个表怎么不规则，我勒个擦，对不起是我的锅，同一个类型的表格竟然指标不一致。

Q：而且还有那么多合并表怎么搞？？？
A:还算简单，定位空白格，然后集体等于上一行的那个单元格，后续就不合并了，合并纯属为了好看！！！俺累了……

（后续大家搜索的话，大家有啥建议，是我都整理好表格再挂云服务器，还是做个数据库，实时更新？貌似有点难……）俺不知道