溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了Python如何快速處理PDF表格數據，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
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:\\python\\cai\\yq.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 pdfplumber
import 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:\\python\\cai\\5.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？
看完上述內容，是不是對Python如何快速處理PDF表格數據有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
