Python自动化办公:批量提取PDF中的表格到Excel

在现代办公环境中,处理大量的PDF文件并提取其中的表格数据是一项常见而繁琐的任务。手动复制粘贴不仅耗时耗力,还容易出错。Python作为一种功能强大的编程语言,提供了丰富的工具包,可以高效地解决这一问题。本文将介绍如何使用Python批量提取PDF中的表格数据,并将其写入Excel文件,帮助你节省宝贵的时间。

所需工具和库

1、os:用于文件和目录操作。

2、pdfplumber:用于从PDF文件中提取表格数据。

3、openpyxl:用于创建和操作Excel文件。

步骤详解

1、获取PDF文件列表

首先,我们需要获取指定文件夹下所有PDF文件的列表。这里使用Python的内置模块os来实现。

python 复制代码
import os  

# 指定PDF文件夹路径  
path = "D:\\学习资料\\Python\\读取PDF\\账单"  

# 获取该路径下所有的文件名称  
all_items = os.listdir(path)  

# 打印文件名称,用于验证  
print(all_items)

2、遍历文件列表,读取PDF文档

接下来,遍历文件列表,使用pdfplumber模块读取每个PDF文件中的表格数据。

python 复制代码
import pdfplumber  

# 创建一个新的Excel工作簿  
new_wb = openpyxl.Workbook()  
sheet = new_wb["Sheet"]  

# 遍历文件列表  
for item in all_items:  
    if item.endswith(".pdf"):  # 确保是PDF文件  
        pdf_path = os.path.join(path, item)  
        pdf = pdfplumber.open(pdf_path)  

        # 遍历PDF页面  
        for page in pdf.pages:  
            # 提取页面中的所有表格(这里假设只提取第一个表格)  
            table = page.extract_tables()[0]  

            # 遍历表格中的行数据,并写入Excel  
            for row in table:  
                sheet.append(row)  

        # 格式化输出提取完成的信息  
        print(f"{item} 提取完成")

3、保存Excel文件

最后,将包含所有表格数据的Excel文件保存到指定路径。

python 复制代码
# 将工作簿保存到指定路径  
new_wb.save("D:\\学习资料\\Python\\读取PDF\\账单\\账单合集.xlsx")
注意事项

1、PDF表格的格式pdfplumber在提取表格时,主要依赖表格的边框。如果PDF中的表格没有边框,pdfplumber可能无法正确识别。

2、多表格处理 :如果PDF页面中包含多个表格,extract_tables()方法会返回一个包含所有表格的列表。你可以根据需要选择提取哪个表格,或者处理所有表格。

3、异常处理:在实际应用中,建议添加异常处理代码,以处理可能出现的文件读取错误、表格提取错误等问题。

4、性能优化:对于包含大量PDF文件的文件夹,可以考虑使用多线程或异步编程来提高处理速度。

总结

通过Python的ospdfplumberopenpyxl模块,我们可以轻松实现批量提取PDF中的表格数据,并将其写入Excel文件。这一自动化流程不仅提高了工作效率,还减少了人为错误。对于需要处理大量PDF文件的办公人员来说,这一技能无疑将大大节省时间和精力。

相关推荐
一晌小贪欢几秒前
Python爬虫第9课:验证码识别与自动化处理
爬虫·python·自动化·网络爬虫·python爬虫·python3
一路向北⁢4 小时前
基于 Apache POI 5.2.5 构建高效 Excel 工具类:从零到生产级实践
java·apache·excel·apache poi·easy-excel·fast-excel
黄毛火烧雪下6 小时前
【Ruby 】脚本和自动化语言 常用的内容
运维·自动化·ruby
发光小北10 小时前
4路can转4g功能介绍
自动化
看兵马俑的程序员11 小时前
RAG实现-本地PDF内容加载和切片
开发语言·python·pdf
广商 小轩13 小时前
自动化实战 Playwright破解滑块验证码的完整实战指南
运维·自动化
你想考研啊13 小时前
自动化部署脚本
linux·服务器·自动化
神奇的小猴程序员14 小时前
Mutantcat Web Pdf Reader —— 开源、轻量、安全的网页 PDF 阅读器
前端·pdf
ekkcole15 小时前
java把word转pdf使用jar包maven依赖
java·pdf·word
Java小王子呀15 小时前
Java实现Excel转PDF
java·pdf·excel