【python】pandas读取pdf文件

python 读取PDF及其他操作

python 读取PDF及其他操作

安装
使用pdfplumber第三方库直接安装

pip install pdfplumber

一些常用的方法
.extract_text() 用来提页面中的文本，将页面的所有字符对象整理为的那个字符串
.extract_words() 返回的是所有的单词及其相关信息
.extract_tables() 提取页面的表格
.to_image() 用于可视化调试时，返回PageImage类的一个实例

import pdfplumber
import pandas as pd

with pdfplumber.open("表格.pdf") as pdf:
    page = pdf.pages[0]   # 第一页的信息
    table = page.extract_tables()
    for t in table:
        # 得到的table是嵌套list类型，转化成DataFrame
​        df = pd.DataFrame(t[1:], columns=t[0])
​        print(df)