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
满怀101530 分钟前
Python扩展知识详解:lambda函数
开发语言·python
佚名涙1 小时前
go中锁的入门到进阶使用
开发语言·后端·golang
猫猫的小茶馆1 小时前
【PCB工艺】软件是如何控制硬件的发展过程
开发语言·stm32·单片机·嵌入式硬件·mcu·51单片机·pcb工艺
勘察加熊人2 小时前
wpf+c#路径迷宫鼠标绘制
开发语言·c#·wpf
蓝博AI3 小时前
基于卷积神经网络的眼疾识别系统,resnet50,efficentnet(pytorch框架,python代码)
pytorch·python·cnn
小黄人软件3 小时前
C# ini文件全自动界面配置:打开界面时读ini配置到界面各控件,界面上的控件根据ini文件内容自动生成,点保存时把界面各控件的值写到ini里。
开发语言·c#
牧歌悠悠4 小时前
【Python 算法】动态规划
python·算法·动态规划
Doris Liu.6 小时前
如何检测代码注入(Part 2)
windows·python·安全·网络安全·网络攻击模型
逢生博客6 小时前
阿里 FunASR 开源中文语音识别大模型应用示例(准确率比faster-whisper高)
人工智能·python·语音识别·funasr
Android洋芋6 小时前
C语言深度解析:从零到系统级开发的完整指南
c语言·开发语言·stm32·条件语句·循环语句·结构体与联合体·指针基础