Python-pdfplumber读取PDF所有内容并自行提取指定内容

• 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

• ️‍ 博客主页：一晌小贪欢的博客主页

• 该系列文章专栏：Python办公自动化专栏

• 文章作者技术和水平有限，如果文中出现错误，希望大家能指正

• ❤️ 欢迎各位佬关注！ ❤️

最近接到一个需求就是客户有非常大批量的PDF版的文件，需要我提取里面的某一处信息，那么我查了一下，可以用【pdfplumber】 这个库，对PDF文件进行读取，那么接下来我写了一个TEST，我们大家一起看看吧

首先，如下图；我想提取指定的内特容，如：【拓展-中文语言包】这段文字

效果展示

先看目录结构

就一个文件夹，叫做：【数据源】，里面可以用来存放所有的pdf

直接上代码

顺便说一下，主要用到的函数是： extract_text(),获取文本,

pdf.pages：获取所有的页数

import os
import pdfplumber

for f in os.listdir("./数据源/"):
    # print(f)
    with pdfplumber.open("./数据源/"+f) as pdf:
        # first_page = pdf.pages[0]
        pages= pdf.pages
        for i in range(len(pages)):
            print("我是隔开-------------------------")
            con = pdf.pages[i].extract_text()
            # con2 = pdf.pages[i].extract_tables()
            # for k in con:
            print(f"页数{i+1}",con)

最后的指定数据获取，我就不展示了，大家可以切片

希望对大家有帮助

致力于办公自动化的小小程序员一枚

都看到这了，关注+点赞+收藏=不迷路！！