Python 教程：pdfplumber 提取 pdf 中的表格数据

前面提到的pdfplumber模块可以用来提取pdf中的表格数据。今天我给大家举个例子。

pdfplumber库作为强大的pdf文件解析工具，可以快速将pdf文档转换为易于处理的txt文档，输出pdf文档的字符、页面、页码等信息，还可以进行页面可视化操作。使用pdfplumber库前，需要先安装，即在cmd命令行中输入：

<p><span>pip install pdfplumber<br/></span></p>

pdfplumber库提供了两种pdf表格提取函数，分别为

.extract_tables( )

及

.extract_table( )

，两种函数提取结果存在差异。为进行演示，我们网站上下载了一份短期融资券主体信用评级报告，为pdf格式。任意选取某一表格，其界面如下：

（1）.extract_tables( )

它可以输出页面中的所有表格，并返回一个结构层次为表格→行→单元格的嵌套列表。此时将页面上的整个表格放入一个大列表中，原始表格中的每一行形成大列表中的每个子列表。如果要输出单个外部列表元素，则得到的是由原始表的同一行中的元素组成的列表。例如，我们执行以下程序：

<p><span>import pdfplumber <br/>with pdfplumber.open(r'F:python财务报表主体评级报告.pdf')  as pdf:<br/>   page = pdf.pages[45]    #设置操作页面 <br/>   for row inpage.extract_tables() :<br/>          print(row)<br/>          print(row[0])   #打印外层列表第一个元素<br/></span></p>

输出结果：

（2）.extract_table( )

返回多个独立列表，其结构层次为行→单元格。如果页面中有多个行数相同的表，则默认输出最上面的表；否则，只输出行数最多的表。此时将表格的每一行作为一个单独的列表，列表中的每个元素都是原表格每个单元格的内容。如果你需要输出一个元素，你得到的是一个特定的数字或字符串。如下：

<p><span>with pdfplumber.open(r'F:python财务报表主体评级报告.pdf') as pdf:<br/>     page = pdf.pages[45]<br/>     for row in page.extract_table() : <br/>         print(row) <br/>         print(row[0])      #打印每个列表对应的第一个元素<br/></span></p>

输出结果：

今天的分享就到这里了，忘记pdfminer知识的朋友回顾一下之前的文章：