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
小墨宝8 分钟前
js 生成pdf 并上传文件
前端·javascript·pdf
蓝莓味柯基32 分钟前
Python3:文件操作
python
投笔丶从戎36 分钟前
Kotlin Multiplatform--01:项目结构基础
android·开发语言·kotlin
xiaoh_71 小时前
解决视频处理中的 HEVC 解码错误:Could not find ref with POC xxx【已解决】
python·ffmpeg·音视频
杜小暑1 小时前
动态内存管理
c语言·开发语言·动态内存管理
想不明白的过度思考者1 小时前
Java从入门到“放弃”(精通)之旅——JavaSE终篇(异常)
java·开发语言
明月与玄武2 小时前
Python编程的真谛:超越语法,理解编程本质
python·编程语言
我真的不会C2 小时前
QT窗口相关控件及其属性
开发语言·qt
CodeCraft Studio2 小时前
Excel处理控件Aspose.Cells教程:使用 Python 在 Excel 中进行数据验
开发语言·python·excel
火柴盒zhang2 小时前
websheet之 编辑器
开发语言·前端·javascript·编辑器·spreadsheet·websheet