Python中怎么使用pdfplumber讀取PDF寫入Excel

本篇內容介紹了“Python中怎么使用pdfplumber讀取PDF寫入Excel”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

一、Python操作PDF 13大庫對比

PDF（Portable Document Format）是一種便攜文檔格式，便于跨操作系統傳播文檔。PDF文檔遵循標準格式，因此存在很多可以操作PDF文檔的工具，Python自然也不例外。

Python操作PDF模塊對比圖如下：

本文主要介紹pdfplumber專注PDF內容提取，例如文本（位置、字體及顏色等）和形狀（矩形、直線、曲線），還有解析表格的功能。

二、pdfplumber模塊

其他幾個 Python 庫幫助用戶從 PDF 中提取信息。作為一個廣泛的概述，pdfplumber它通過結合以下功能將自己與其他 PDF 處理庫區分開來：

• 輕松訪問有關每個 PDF 對象的詳細信息

• 用于提取文本和表格的更高級別、可自定義的方法

• 緊密集成的可視化調試

• 其他有用的實用功能，例如通過裁剪框過濾對象

1. 安裝

cmd控制臺輸入：

pip install pdfplumber

導包：

import pdfplumber

案例PDF截圖（兩頁未截全）：

2. 加載PDF

讀取PDF代碼：pdfplumber.open("路徑/文件名.pdf", password = "test", laparams = { "line_overlap": 0.7 })

參數解讀：

• password ：要加載受密碼保護的 PDF，請傳遞password關鍵字參數

• laparams：要將布局分析參數設置為pdfminer.six的布局引擎，請傳遞laparams關鍵字參數

案例代碼：

import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
    print(pdf)
    print(type(pdf))

輸出結果：

<pdfplumber.pdf.PDF object at 0x000001A56C323DC0><class 'pdfplumber.pdf.PDF'>

3. pdfplumber.PDF類

pdfplumber.PDF類表示單個 PDF，并具有兩個主要屬性：

1. 讀取PDF文檔信息（.metadata）：

import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
    print(pdf.metadata)

運行結果：

{'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. 輸出總頁數

import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
    print(len(pdf.pages))

運行結果：

2

4. pdfplumber.Page類

pdfplumber.Page類是pdfplumber整個的核心，大多數操作都圍繞這個類進行操作，它具有以下幾個屬性：

常用方法如下：

1. 讀取第一頁寬度、高度等信息

import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
    first_page = pdf.pages[0]  # pdfplumber.Page對象的第一頁
    # 查看頁碼
    print('頁碼：', first_page.page_number)
    # 查看頁寬
    print('頁寬：', first_page.width)
    # 查看頁高
    print('頁高：', first_page.height)

運行結果：

頁碼： 1頁寬： 595.3頁高： 841.9

2. 讀取文本第一頁

import pdfplumberwith pdfplumber.open("./1.pdf") as pdf:
    first_page = pdf.pages[0]  # pdfplumber.Page對象的第一頁
    text = first_page.extract_text()
    print(text)

運行結果：

店鋪名 價格 銷量 地址
小罐茶旗艦店 449 474 安徽
零趣食品旗艦店 6.9 60000 福建
天貓超市 1304 3961 上海
天貓超市 139 25000 上海
天貓超市 930 692 上海
天貓超市 980 495 上海
天貓超市 139 100000 上海
三只松鼠旗艦店 288 25000 安徽
紅小廚旗艦店 698 1767 北京
三只松鼠旗艦店 690 15000 安徽
一統領鮮旗艦店 1098 1580 上海
新大猩食品專營9.8 7000 湖南.......艦店
蟹納旗艦店 498 1905 上海
三只松鼠堅果at茶 188 35000 安徽
嘉禹滬曉旗艦店 598 1517 上海

3. 讀取表格第一頁

import pdfplumberimport xlwtwith pdfplumber.open("1.pdf") as pdf:
    page_one = pdf.pages[0]  # PDF第一頁
    table_1 = page_one.extract_table()  # 讀取表格數據
    # 1. 創建Excel表對象
    workbook = xlwt.Workbook(encoding='utf8')
    # 2. 新建sheet表
    worksheet = workbook.add_sheet('Sheet1')
    # 3. 自定義列名
    col1 = table_1[0]
    # print(col1)# ['店鋪名', '價格', '銷量', '地址']
    # 4. 將列屬性元組col寫進sheet表單中第一行
    for i in range(0, len(col1)):
        worksheet.write(0, i, col1[i])
    # 5. 將數據寫進sheet表單中
    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. 保存文件分兩種格式
    workbook.save('test.xls')

運行結果：

三、實戰操作

1. 提取單個PDF全部頁數

測試代碼：

import pdfplumberimport xlwtwith pdfplumber.open("1.pdf") as pdf:
    # 1. 把所有頁的數據存在一個臨時列表中
    item = []
    for page in pdf.pages:
        text = page.extract_table()
        for i in text:
            item.append(i)
    # 2. 創建Excel表對象
    workbook = xlwt.Workbook(encoding='utf8')
    # 3. 新建sheet表
    worksheet = workbook.add_sheet('Sheet1')
    # 4. 自定義列名
    col1 = item[0]
    # print(col1)# ['店鋪名', '價格', '銷量', '地址']
    # 5. 將列屬性元組col寫進sheet表單中第一行
    for i in range(0, len(col1)):
        worksheet.write(0, i, col1[i])
    # 6. 將數據寫進sheet表單中
    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. 保存文件分兩種格式
    workbook.save('test.xls')

運行結果（上面得沒截全）：

2. 批量提取多個PDF文件

測試代碼：

import pdfplumber
import xlwt
import os

# 一、獲取文件下所有pdf文件路徑
file_dir = r'E:\Python學習\pdf文件'
file_list = []
for files in os.walk(file_dir):
    # print(files)
    # ('E:\\Python學習\\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. 進行分割如果后綴為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文件的所有頁的數據存在一個臨時列表中
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. 創建Excel表對象
workbook = xlwt.Workbook(encoding='utf8')
# 3. 新建sheet表
worksheet = workbook.add_sheet('Sheet1')
# 4. 自定義列名
col1 = item[0]
# print(col1)# ['店鋪名', '價格', '銷量', '地址']
# 5. 將列屬性元組col寫進sheet表單中第一行
for i in range(0, len(col1)):
    worksheet.write(0, i, col1[i])
# 6. 將數據寫進sheet表單中
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. 保存文件分兩種格式
workbook.save('test.xls')

運行結果（12個文件，一個文件50行總共600行）：

“Python中怎么使用pdfplumber讀取PDF寫入Excel”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！