python 解析PDF--相关组件

使用pdfplumber框架解析pdf，具备提取表格的功能

PDF详细资料
https://smallpdf.com

pdfplumber

对应的github地址：
https://github.com/jsvine/pdfplumber

pdfplumber是在pdfminer的基础上构建的

pdfminer

对应的github地址：
https://github.com/euske/pdfminer
对应文档：
https://euske.github.io/pdfminer/

遇到一个需求：需要将pdf中的表格数据剔除掉，获取到纯文本。

使用pdfplumber可以直接获取到表格中的数据，对应文档具有详细的介绍。
对这需求有一个解决思路，可以使用pdfplumber获取文本所在区域和表格所在区域比较，检查文本所在区域是否在表格区域内来排除表格数据，剩下的就是剔除的数据了。

  # 获取所有字符数组，带有位置坐标信息，空格或换行分割成不同的数组
  words = page.extract_words()
  # 获取所有表格数组,带有位置坐标信息
  tabs = page.find_tables()