源文件为test.pdf
目标文件为pdf.xlsx
import pdfplumber # 关键在这个库
import pandas as pd
def func(src, dest='pdf.xlsx'):
pdf = pdfplumber.open(src)
size = len(pdf.pages) #pdf有多少页
with pd.ExcelWriter(dest) as writer:# 多页表格内容写入一个Excel
count = 0
j = 0
is_start = False
for i in range(size):
print('reading page %d' % i)
page = pdf.pages[i]
content = page.extract_text()
# 这段代码是为了匹配表开始的地方
if not is_start:
if content.lstrip().startswith('附表：网下投资者初步配售明细'):
is_start = True
else:
continue
# 非表格就跳过
try:
table = page.extract_table()
except:
continue
# 表格内容会转化为dataframe
df = pd.DataFrame(table)
#避免出现多个dataframe的表头
if count == 0 : 郑州祛胎记医院哪家好 http://www.zykeda120.co m/
df.to_excel(writer, header=False, index=False, startrow=count)
else:
df[1:].to_excel(writer, header=False, index=False, startrow=count - j)
j += 1 # 避免出现空行
count += len(df)
pass
writer.save()
writer.close()
pass
if __name__ == '__main__':
func('test.PDF')
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69979119/viewspace-2710191/ ，如需转载，请注明出处，否则将追究法律责任。
