詳解Python如何利用pdfplumber提取PDF中的表格
前言
pdfplumber 是一個開源的 python 工具庫 ，它可以輕松的獲取 PDF 文本內(nèi)容、標題、表格、尺寸等各種信息，今天來介紹如何使用它來提取 PDF 中的表格。
安裝
首先通過下面命令安裝 pdfplumber 模塊。
pip install pdfplumber
或是使用豆瓣鏡像源安裝。
pip install -i https://pypi.douban.com/simple pdfplumber
案例
這里有一份2020年中國大學生計算機設計大賽參賽作品獲獎名單，文件為 PDF 格式，每頁都包含表格，表格中包含為各支隊伍的獲獎信息，共158頁。表格前兩頁內(nèi)容如下。
下面將 PDF 中的表格提取出來，并保存到 Excel 中。
首先導入所需要的模塊：
import pdfplumber import pandas as pd
讀取 PDF 文件
read_path = '2020年中國大學生計算機設計大賽參賽作品獲獎名單.pdf' pdf_2020 = pdfplumber.open(read_path)
pages 屬性包含 PDF 中每頁的信息，循環(huán)每頁內(nèi)容，使用 extract_table() 方法提取每頁中的表格數(shù)據(jù)，并將數(shù)據(jù)轉(zhuǎn)為 DataFrame，最后合并每頁的數(shù)據(jù)。
result_df = pd.DataFrame()
for page in pdf_2020.pages:
table = page.extract_table()
df_detail = pd.DataFrame(table[1:], columns=table[0])
# 合并每頁的數(shù)據(jù)集
result_df = pd.concat([df_detail, result_df], ignore_index=True)
此時DataFrame中數(shù)據(jù)如下：
可以看到通過 extract_table() 提取后的數(shù)據(jù)有許多包含缺失值的列，我們還需要對DataFrame進行進一步處理，刪除全為缺失值的列。
result_df.dropna(axis=1, how='all', inplace=True)
刪了缺失值后，列名也一并刪除了，還需要指定對應列名。
result_df.columns = ['獎項', '作品編號', '作品名稱', '參賽學校', '作者', '指導老師']
到現(xiàn)在我們就成功將表格信息完整的提取出來了！
完整代碼
import pdfplumber
import pandas as pd
def read_pdf(read_path, save_path):
pdf_2020 = pdfplumber.open(read_path)
result_df = pd.DataFrame()
for page in pdf_2020.pages:
table = page.extract_table()
print(table)
df_detail = pd.DataFrame(table[1:], columns=table[0])
result_df = pd.concat([df_detail, result_df], ignore_index=True)
result_df.dropna(axis=1, how='all', inplace=True)
result_df.columns = ['獎項', '作品編號', '作品名稱', '參賽學校', '作者', '指導老師']
result_df.to_excel(excel_writer=save_path, index=False, encoding='utf-8')
read_path = r'2020年中國大學生計算機設計大賽參賽作品獲獎名單.pdf'
save_path = r'2020年中國大學生計算機設計大賽參賽作品獲獎名單.xlsx'
read_pdf(read_path, save_path)
到此這篇關(guān)于詳解Python如何利用pdfplumber提取PDF中的表格的文章就介紹到這了,更多相關(guān)Python pdfplumber提取PDF表格內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python如何將圖片生成視頻MP4問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-03-03
這篇文章主要介紹了python?list與numpy數(shù)組效率對比分析，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
在本篇文章里小編給大家整理了關(guān)于python安裝下載后的模塊的方法，需要的朋友們可以學習下。2020-07-07
Tensorflow 實現(xiàn)線性回歸模型的示例代碼
這篇文章主要介紹了Tensorflow 實現(xiàn)線性回歸模型，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-05-05
用Python寫腳本,實現(xiàn)完全備份和增量備份的示例
下面小編就為大家分享一篇用Python寫腳本,實現(xiàn)完全備份和增量備份的示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了python求前n個階乘的和實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要介紹了詳解python中executemany和序列的使用方法的相關(guān)資料,需要的朋友可以參考下2017-08-08
這篇文章主要介紹了Python中正則表達式的用法實例匯總,非常實用,需要的朋友可以參考下2014-08-08
成語接龍是中華民族傳統(tǒng)的文字游戲。它歷史悠久，是傳統(tǒng)文字、文化、文明的一個縮影，也是老少皆宜的民間文化娛樂活動。本文將用Python制作一個簡單的成語接龍游戲，需要的可以參考一下2022-03-03
在本篇內(nèi)容里小編給大家分享的是一篇關(guān)于python生成word合同的實例方法相關(guān)內(nèi)容，有需要的朋友們可以學習下。2021-01-01