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

觅远2025-01-11 11:47

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