Python办公自动化——提取pdf文件中表格并到Excel

Posted Dream丶Killer

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python办公自动化——提取pdf文件中表格并到Excel相关的知识,希望对你有一定的参考价值。

Python办公自动化——提取pdf文件中表格并到Excel

需求描述

现有一 pdf 文件内容如下,文件中内容主要是表格形式的获奖名单,共158页。现要读取这些表格信息并保存到 excel 文件中。

在这里插入图片描述
import pdfplumber
import pandas as pd

def read_pdf_2020(read_path, save_path):
    pdf_2020 = pdfplumber.open(read_path)
    result_df = pd.DataFrame()
    for page in pdf_2020.pages:
        table = page.extract_table()
        df_detail = pd.DataFrame(table[1:], columns=table[0])
        # 合并每页的数据集
        result_df = pd.concat([df_detail, result_df], ignore_index=True)
    # 删除值全部是 NaN 的列
    result_df.dropna(axis=1, how='all', inplace=True)
    # 重置列名
    result_df.columns = ['奖项', '作品编号', '作品名称', '参赛学校', '作者', '指导老师']
    result_df.to_excel(excel_writer=save_path, index=False, encoding='utf-8')
    
read_path = '2020年中国大学生计算机设计大赛参赛作品获奖名单.pdf'
save_path = '2020年中国大学生计算机设计大赛参赛作品获奖名单.xlsx'
df_2020 = read_pdf_2020(read_path, save_path)

运行效果:

在这里插入图片描述


这就是本文所有的内容了,如果感觉还不错的话。❤ 点个赞再走吧!!!❤

在这里插入图片描述
后续会继续分享《Python自动化办公》系列文章,如果感兴趣的话可以点个关注不迷路哦~。

以上是关于Python办公自动化——提取pdf文件中表格并到Excel的主要内容,如果未能解决你的问题,请参考以下文章

实用脚本!Python 提取 PDF 指定内容生成新文件!

办公自动化:轻松提取PDF页面数据,并生成Excel文件(代码实战)!

python自动化-pdf文档操作

C#/VB.NET 从PDF中提取表格

在 Python 中提取 PDF 文件的文本和表格

浏览pdf文件以查找特定页面并使用python从图像中提取表格数据