通过Python的pdfplumber库提取pdf中表格数据

前言

大家好，我是空空star，本篇给大家分享一下《通过Python的pdfplumber库提取pdf中表格数据》。

一、pdfplumber库是什么？

pdfplumber是一个用于从PDF文档中提取文本和表格数据的Python库。它可以帮助用户轻松地从PDF文件中提取有用的信息，例如表格、文本、元数据等。pdfplumber库的特点包括：简单易用、速度快、支持多种PDF文件格式、支持从多个页面中提取数据等。pdfplumber库还提供了一些方便的方法来处理提取的数据，例如排序、过滤和格式化等。它是一个非常有用的工具，特别是在需要从大量PDF文件中提取数据时。

二、安装pdfplumber库

pip install pdfplumber
1

三、查看pdfplumber库版本

pip show pdfplumber
1

Name: pdfplumber
Version: 0.9.0
Summary: Plumb a PDF for detailed information about each char, rectangle, and line.
Home-page: https://github.com/jsvine/pdfplumber
Author: Jeremy Singer-Vine
Author-email: jsvine@gmail.com
License:
Requires: pdfminer.six, Pillow, Wand
Required-by:

四、提取pdf中表格数据

1.引入库

import pdfplumber
1

2.定义pdf文件路径

local = '/Users/kkstar/Downloads/'
1

3.打开pdf文件

with pdfplumber.open(local+"demo_table.pdf") as pdf:
1

4.获取pdf文件中的页数

    num_pages = len(pdf.pages)
1

5.遍历每一页

    for page_num in range(num_pages):
1

6.获取当前页内容

        page = pdf.pages[page_num]
1

7.提取表格数据

        table = page.extract_table(table_settings={
            "vertical_strategy": "lines",
            "horizontal_strategy": "lines",
            "intersection_x_tolerance": 15,
            "intersection_y_tolerance": 15
        })
1
2
3
4
5
6

8.输出表格数据

        for row in table:
            print(row)
1
2

9.效果

[‘username’, ‘nickname’, ‘article’]
[‘weixin_38093452’, ‘空空 star’, ‘130889268’]
[‘weixin_38093452’, ‘空空 star’, ‘130852811’]
[‘weixin_38093452’, ‘空空 star’, ‘130815851’]
Process finished with exit code 0

总结