Python 操作pdf pdfplumber讀取PDF寫入Exce

1. Python 操作pdf(pdfplumber讀取PDF寫入Exce)

1.1 安裝pdfplumber模塊庫

安裝pdfplumber:

pip install pdfplumber

pdfplumber.PDF類

pdfplumber.PDF類表示單個PDF ,並具有兩個主要屬性:

屬性 說明
pdf.metadata 從PDF的Info中獲取元數據鍵/值對字典。通常包括"CreationDate,“ModDater","Producer"等
pdf.pages 返回一個包含pdfplumber. Page實例的列表,每一一個實例代表PDF每一頁的信息

pdfplumber.Page類

pdfplumber.Page類常用屬性

屬性page_ number 說明
.page_ number 順序頁碼,從1第一頁開始,從第二頁開始2 ,依此類推
.width 頁面的寬度
.height 頁面的高度
.objects/ . chars/ .lines/ .rects/ . curves/ .figures/ . images 這些屬性中的每一個都是一 個列表, 每個列表包含一個字典 ,用於嵌入頁面上的每個此類對象,有關詳細信息,請參閱下面的“對象”。

常用方法:

方法名 說明
.extract_ text( ) 用來提頁面中的文本,將頁面的所有字符對象整理為的那個字符串
.extract_ words( ) 返回的是所有的單詞及其相關信息
. extract_ tables() 提取頁面的表格
.to_ _image() 用於可視化調試時,返回Pagelmage類的一個實例
.close() 默認情況下, Page對象緩存其佈局和對象信息,以避免重新處理它,
但是在解析大型PDF時,這些緩存的屬性可能需要大量內存。您可以使用此方法刷新緩存並釋放內存。

1.2 常用操作

PDF是Portable Document Format的縮寫,這類文件通常使用.pdf作為其擴展名。在日常開發工作中,最容易遇到的就是從PDF中讀取文本內容以及用已有的內容生成PDF文檔這兩個任務。

  • 1.讀取pdf文檔信息
  • 2.輸出總頁數
  • 3.讀取第一頁寬度、高度等信息
  • 4.讀取文本第一頁

加載pdf:

  • pdfplumber.open( "路徑/文件名. pdf".pas sword="test "laparams={ "line_ _overlap'”0.7 })
  •  password : 要加載受密碼保護的PDF ,請傳遞password關鍵字參數
  • laparams :要將佈局分析參數設置為pdfminer. six的佈局引擎,請傳遞laparams關鍵字參數

1.2.1 Python讀取pdf文件案例

pdf文件如下:

1.2.2 Python讀取pdf文件代碼

import pdfplumber

# 加載pdf
path = "C:/Users/Administrator/Desktop/test08/test11 - 多頁.pdf"
with pdfplumber.open(path) as pdf:
    print(pdf)
    print(type(pdf))

    # 讀取pdf文檔信息
    print("pdf文檔信息:", pdf.metadata)

    # 輸出總頁數
    print("pdf文檔總頁數:", len(pdf.pages))

    # 1.讀取第一頁寬度、高度等信息
    first_page = pdf.pages[0]  # pdfplumber.Page對象第一頁
    # 查看頁碼
    print('pdf頁碼:', first_page.page_number)
    # 查看頁寬
    print('pdf頁寬:', first_page.width)
    # 查看頁高
    print('pdf頁高:', first_page.height)

    # 2.讀取文本第一頁
    first_page = pdf.pages[0]  # pdfplumber.Page對象第一頁
    text = first_page.extract_text()
    print(text)

執行結果:

"D:\Program Files1\Python\python.exe" D:/Pycharm-work/pythonTest/打卡/0811讀取pdf.py
<pdfplumber.pdf.PDF object at 0x0000000002846278>
<class 'pdfplumber.pdf.PDF'>
pdf文檔信息: {'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文檔總頁數: 2
pdf頁碼: 1
pdf頁寬: 595.25
pdf頁高: 841.85
姓名 年齡 性別 地址 學習技能
張三 20 女 北京 python
李四 25 男 深圳 java
趙五 28 男 上海 C++
孫六 23 女 廣州 python
錢七 27 男 珠海 python
張101 20 女 北京 python
…….
…….
張150 27 男 珠海 python
張151 20 女 北京 python
張152 25 男 深圳 java

Process finished with exit code 0

1.2.3 Python讀取pdf文件存入Excel代碼

import pdfplumber
import xlwt

# 加載pdf
path = "C:/Users/Administrator/Desktop/test08/test11 - 多頁.pdf"
with pdfplumber.open(path) as pdf:
    page_1 = pdf.pages[0]  # pdf第一頁
    table_1 = page_1.extract_table()  # 讀取表格數據
    print(table_1)
    # 1.創建Excel對象
    workbook = xlwt.Workbook(encoding='utf8')
    # 2.新建sheet表
    worksheet = workbook.add_sheet('Sheet1')
    # 3.自定義列名
    clo1 = table_1[0]
    # 4.將列表元組clo1寫入sheet表單中的第一行
    for i in range(0, len(clo1)):
        worksheet.write(0, i, clo1[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(clo1)):
            worksheet.write(i + 1, j, data[j])
    # 保存Excel文件分兩種
    workbook.save('test88.xls')

執行結果:

到此這篇關於Python 操作pdf pdfplumber讀取PDF寫入Exce的文章就介紹到這瞭,更多相關Python 操作pdf內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: