我們有下面一張PDF格式存儲的表格，現在需要使用Python將它提取出來。

使用Python提取表格數據需要使用pdfplumber模塊，打開CMD，安裝代碼如下：

pip install pdfplumber

安裝完之后，將需要使用的模塊導入

import pdfplumberimport pandas as pd

然后打開PDF文件

# 使用with語句打開pdf文件with pdfplumber.open('D:pythoncaiyq.pdf') as pdf: # pages[0]表示取第1頁 page = pdf.pages[0]

我們來打印輸出下獲取到的文本，這句語句只是幫我們驗證下是否成功獲取到PDF里的內容

print(page.extract_text())

執行的結果如下，看來是成功了

然后可以使用extract_table()函數獲取表格，如果有多個表格，可以使用extract_tables()函數，就是多了個s

d1=page.extract_table()

執行代碼后，將得到一個列表，還不是數據框

所以最后一步就是將列表轉為數據框就可以了，代碼如下：

df = pd.DataFrame(d1[1:], columns=d1[0])

執行代碼后，將得到了df數據框

有幾個注意事項要提醒下：

1.pdf表格中的數據，對于同一個數據或內容，不要有換行，如果換行，可能被識別為2個數據；

2.pdf中的表格一定要有邊框，沒有邊框的話，否則使用extract_table()函數就無法獲取表格數據，extract_text()還是可以獲取文本信息的，不要問我是怎么知道的，說多了都是淚。

我們現在有一份PDF數據，里面有三頁，每頁都有一樣數據結構但數據不同的數據表，現在需要使用Python將它批量提取出來。

有了上回經驗，我們就直接上代碼：

import pdfplumberimport pandas as pd # 創建一個空數據框df = pd.DataFrame() # 使用with語句打開pdf文件with pdfplumber.open('D:pythoncai5.pdf') as pdf: # 使用for循環遍歷每個pages for page in pdf.pages: # 取出當前頁表格，結果為列表 d=page.extract_table() # 將列表轉為數據框 df1 = pd.DataFrame(d[1:], columns=d[0]) #添加至df數據框中 df = df.append(df1)

執行代碼后，將得到了df數據框

是不是so easy 呢？

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。