Python 操作pdf(pdfplumber读取PDF写入Exce) |
您所在的位置:网站首页 › pdf合并python › Python 操作pdf(pdfplumber读取PDF写入Exce) |
开启掘金成长之旅!这是我参与「掘金日新计划 · 12 月更文挑战」的第14天,点击查看活动详情 1. Python 操作pdf(pdfplumber读取PDF写入Exce) 1.1 安装pdfplumber模块库: 安装pdfplumber: pip install pdfplumber 复制代码pdfplumber.PDF类 pdfplumber.PDF类表示单个PDF ,并具有两个主要属性: 属性说明pdf.metadata从PDF的Info中获取元数据键/值对字典。通常包括"CreationDate,“ModDater","Producer"等pdf.pages返回一个包含pdfplumber. Page实例的列表,每一一个实例代表PDF每一页的信息pdfplumber.Page类 pdfplumber.Page类常用属性 属性page_ number说明.page_ number顺序页码,从1第一页开始,从第二页开始2 ,依此类推.width页面的宽度.height页面的高度.objects/ . chars/ .lines/ .rects/ . curves/ .figures/ . images这些属性中的每一个都是一 个列表, 每个列表包含一个字典 ,用于嵌入页面上的每个此类对象,有关详细信息,请参阅下面的“对象”。常用方法 方法名说明.extract_ text( )用来提页面中的文本,将页面的所有字符对象整理为的那个字符串.extract_ words( )返回的是所有的单词及其相关信息. extract_ tables()提取页面的表格.to_ _image()用于可视化调试时,返回Pagelmage类的一个实例.close()默认情况下, Page对象缓存其布局和对象信息,以避免重新处理它, 但是在解析大型PDF时,这些缓存的属性可能需要大量内存。您可以使用此方法刷新缓存并释放内存。 1.2 常用操作PDF是Portable Document Format的缩写,这类文件通常使用.pdf作为其扩展名。在日常开发工作中,最容易遇到的就是从PDF中读取文本内容以及用已有的内容生成PDF文档这两个任务。 1.读取pdf文档信息 2.输出总页数 3.读取第一页宽度、高度等信息 4.读取文本第一页 加载pdf pdfplumber.open( "路径/文件名. pdf".pas sword="test "laparams={ "line_ _overlap'”0.7 }) password : 要加载受密码保护的PDF ,请传递password关键字参数 laparams :要将布局分析参数设置为pdfminer. six的布局引擎,请传递laparams关键字参数 复制代码 1.2.1 Python读取pdf文件案例pdf文件如下 1.2.2 Python读取pdf文件代码 import pdfplumber # 加载pdf path = "C:/Users/Administrator/Desktop/test08/test11 - 多页.pdf" with pdfplumber.open(path) as pdf: print(pdf) print(type(pdf)) # 读取pdf文档信息 print("pdf文档信息:", pdf.metadata) # 输出总页数 print("pdf文档总页数:", len(pdf.pages)) # 1.读取第一页宽度、高度等信息 first_page = pdf.pages[0] # pdfplumber.Page对象第一页 # 查看页码 print('pdf页码:', first_page.page_number) # 查看页宽 print('pdf页宽:', first_page.width) # 查看页高 print('pdf页高:', first_page.height) # 2.读取文本第一页 first_page = pdf.pages[0] # pdfplumber.Page对象第一页 text = first_page.extract_text() print(text) 复制代码 执行结果: "D:\Program Files1\Python\python.exe" D:/Pycharm-work/pythonTest/打卡/0811读取pdf.py pdf文档信息: {'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文档总页数: 2 pdf页码: 1 pdf页宽: 595.25 pdf页高: 841.85 姓名 年龄 性别 地址 学习技能 张三 20 女 北京 python 李四 25 男 深圳 java 赵五 28 男 上海 C++ 孙六 23 女 广州 python 钱七 27 男 珠海 python 张101 20 女 北京 python ....... ....... 张150 27 男 珠海 python 张151 20 女 北京 python 张152 25 男 深圳 java Process finished with exit code 0 复制代码 1.2.3 Python读取pdf文件存入Excel代码 import pdfplumber import xlwt # 加载pdf path = "C:/Users/Administrator/Desktop/test08/test11 - 多页.pdf" with pdfplumber.open(path) as pdf: page_1 = pdf.pages[0] # pdf第一页 table_1 = page_1.extract_table() # 读取表格数据 print(table_1) # 1.创建Excel对象 workbook = xlwt.Workbook(encoding='utf8') # 2.新建sheet表 worksheet = workbook.add_sheet('Sheet1') # 3.自定义列名 clo1 = table_1[0] # 4.将列表元组clo1写入sheet表单中的第一行 for i in range(0, len(clo1)): worksheet.write(0, i, clo1[i]) # 5.将数据写进sheet表单中 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文件分两种 workbook.save('test88.xls') 复制代码执行结果: |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |