办公自动化:轻松提取PDF页面数据,并生成Excel文件(代码实战)!

发现网上有专门做文档格式转换的网站,不过是要充会员才可以。今天来做一篇PDF转换成Excel文档的代码实战,希望大佬喜欢,哈哈,话不多说,马上进入实战环节。

办公自动化:轻松提取PDF页面数据,并生成Excel文件(代码实战)!

【阅读全文】

首先,我们一如既往的介绍一下需要用到的第三方库。

import pdfplumber  # 专门处理PDF文档格式的文件对象
import pandas as pd  # 数据处理库,常见的DtaFrame、Series数据对象处理

然后,再把相应的PDF数据提取出来并且保存在DataFrame数据对象中。

# 打开PDF文件、得到PDF数据文件对象
pdf_obj = pdfplumber.open('data.pdf')

# 这里我们以获取第一页的PDF数据为例
page_1 = pdf_obj.pages[0]

# 从得到的第一页数据中提取表格数据
data_table = page_1.extract_table()

# 将提取到的数据表格转换为DataFrame数据对象
data_frame = pd.DataFrame(data_table)

# 打印查看DataFrame数据
print(data_frame)

得到DataFrame数据对象之后,需要进行数据处理的话可以参考前面的文章DataFrame数据处理相关的知识点。

最后,将准备好的DataFrame数据对象保存成Excel格式的数据文件就大功告成啦。

writer = pd.ExcelWriter('C:\\data.xlsx') # 设置文档路径

data_frame.to_excel(writer, index=None, startrow=1, encoding='utf-8',sheet_name='数据统计')  # 设置Excel对象

ws = writer.sheets['数据统计']  # 写入工作表名称

ws.write_string(0, 0, '我是一个标题')  # 添加标题

writer.save()  # 保存

办公自动化:轻松提取PDF页面数据,并生成Excel文件(代码实战)!

【往期精彩】

● sched 模块中巨好用的轻量级定时任务神器scheduler!

● 不用再使用命令行打包成exe,有人写出了UI应用,可视化UI界面对python程序进行打包的方法!

● 发现一个秘密:既python3.6之后字典竟然变成了有序集合,我再次验证了一下!

● 这么多的内置函数能记住吗?对python的68个内置函数分类总结!

● 必须要会的文件操作对象File,python文件读写操作利器!

● 你不知道的CS模式的进程管理工具,状态监测、项目启停一目了然!

● 如何将一个python应用以docker镜像的方式来运行?

● python-celery专注于实现分布式异步任务处理、任务调度的插件!

● python远程服务操作工具:fabric,远程命令、本地命令、服务器操作利器!

● 办公自动化:Python-win32com自动将word文档转换成pdf格式!

● pandas数据统计插件的连接函数concat()妙用,灵活处理数据对象!

● python超赞插件you-get,执行一行命令即可下载、命令行下载工具推荐!

● python常用转义字符串总结:各种字符转义的不同、如何取消转义字符效果?

● 如何使用python完成对WebService服务的调用?suds-py3插件安利一下!

上一篇:进程间通信之POSIX信号量


下一篇:Pandas dataframe 和 spark dataframe 转换