Python利用pdfplumber实现读取PDF写入Excel

下面是“Python利用pdfplumber实现读取PDF写入Excel”的完整实例教程：

1. 安装pdfplumber和openpyxl

在使用pdfplumber和openpyxl前，需要先安装它们。可以使用pip命令安装：

pip install pdfplumber openpyxl

2. 读取PDF文件

在使用pdfplumber读取PDF文件前，需要先引入pdfplumber：

import pdfplumber

读取PDF文件的操作很简单：使用pdfplumber打开文件，然后获取每一页的文本内容。下面是示例代码：

pdf_file = pdfplumber.open('test.pdf')
for page in pdf_file.pages:
    page_text = page.extract_text()
    print(page_text)
pdf_file.close()

上述代码会将test.pdf文件中的所有内容打印出来。

3. 写入Excel文件

在使用openpyxl写入Excel文件前，需要先引入openpyxl：

import openpyxl

写入Excel文件的操作也很简单：创建一个workbook对象，然后在其上创建一个worksheet对象，并将数据写入worksheet对象中。下面是示例代码：

workbook = openpyxl.Workbook()
worksheet = workbook.active
worksheet['A1'] = 'Hello'
worksheet['B1'] = 'World'
workbook.save('test.xlsx')

上述代码会创建一个名为test.xlsx的Excel文件，并在其中写入“Hello”和“World”。

4. 将PDF文件内容写入Excel文件

现在我们需要将PDF文件中的内容读取出来，并写入Excel文件中。下面是完整的示例代码：

import pdfplumber
import openpyxl

pdf_file = pdfplumber.open('test.pdf')
workbook = openpyxl.Workbook()
worksheet = workbook.active

for page in pdf_file.pages:
    page_text = page.extract_text()
    for line in page_text.split('\n'):
        line_list = line.split()
        for i, cell_value in enumerate(line_list):
            worksheet.cell(row=i+1, column=len(worksheet['A'])+1, value=cell_value)

pdf_file.close()
workbook.save('output.xlsx')

上述代码会将test.pdf中的所有文本内容按单词拆分，并逐个写入到一个Excel文件中，文件名为output.xlsx。

5. 其他示例说明

1）获取PDF文件中的表格内容并写入Excel文件

可以使用pdfplumber的extract_table()方法来获取PDF文件中的表格内容，并将其写入Excel文件。示例代码如下：

import pdfplumber
import openpyxl

pdf_file = pdfplumber.open('test.pdf')
workbook = openpyxl.Workbook()
worksheet = workbook.active

for page in pdf_file.pages:
    table = page.extract_table()
    for row in table:
        worksheet.append(row)

pdf_file.close()
workbook.save('output.xlsx')

2）获取PDF文件中的图片并保存到本地

可以使用pdfplumber的extract_image()方法来获取PDF文件中的图片，并保存到本地。示例代码如下：

import pdfplumber

pdf_file = pdfplumber.open('test.pdf')

for page in pdf_file.pages:
    for img in page.images:
        img_obj = img['stream'].get_object()
        img_name = img_obj.get('Name')
        with open(f"{img_name}.jpg", "wb") as f:
            f.write(img["stream"].get_raw())

pdf_file.close()

上述代码会将test.pdf中的所有图片保存到本地，并以图片名称作为文件名保存。