python+pdfplumber:提取和分析PDF中的表格、文本等数据,实现pdf转图片、CSV、JSON、dict

目录

提取文本内容

提取表格内容

提取图片信息

文本框信息数据

将对应页转为图片

转CSV、JSON、字典数据


安装:pip install pdfplumber -i https://pypi.tuna.tsinghua.edu.cn/simple/

提取文本内容

python 复制代码
from pdfplumber import open as op


def read_pdf(pdf_path):
    with op(pdf_path) as pdf:
        for page in pdf.pages:

            # 包含表格在内的所有文本信息
            text = page.extract_text()
            print(text)

提取表格内容

可将提取到的表格数据通过写表的方式插入到excel中或做其他处理

python 复制代码
            for table in page.extract_tables():
                for row in table:
                    print(row)

提取图片信息

python 复制代码
            for img in page.images:
                print(img)

文本框信息数据

python 复制代码
            for wds in page.extract_words():   # 文本框位置及内容
                print(wds) 

将对应页转为图片

resolution参数为像素值,值越大,图片越清晰

python 复制代码
page.to_image(resolution=500).save(rf'{pdf_path.split(".")[0]}-{page.page_number}.png')

转CSV、JSON、字典数据

python 复制代码
            print(page.to_csv())  # 转csv数据
            print(page.to_json(indent=4))  # 转JSON数据
            print(page.to_dict())  # 转字典数据
相关推荐
悬剑13141 分钟前
python简易程序跑NLPIR模型
python·nlpir
wheeldown7 分钟前
【Leetcode高效算法】用双指针策略打破有效三角形的个数
python·算法·leetcode
真的想不出名儿9 分钟前
登录前验证码校验实现
java·前端·python
敲码图一乐26 分钟前
流量安全——基于Sentinel实现限流,熔断,降级
java·开发语言·数据库
做运维的阿瑞30 分钟前
Python原生数据结构深度解析:从入门到精通
开发语言·数据结构·后端·python·系统架构
孤客网络科技工作室41 分钟前
Python - 100天从新手到大师:第二十六天Python操作Word和PowerPoint文件
python·word·powerpoint
zzywxc7871 小时前
AI赋能千行百业:金融、医疗、教育、制造业的落地实践与未来展望
java·人工智能·python·microsoft·金融·golang·prompt
星楠_0011 小时前
logits和softmax分布
人工智能·python·深度学习
__XYZ1 小时前
Vala编程语言高级特性-弱引用和所有权
c语言·开发语言·后端·c#
悠哉悠哉愿意1 小时前
【ROS2学习笔记】服务
开发语言·笔记·学习·ros2