python pdfplumber用于pdf表格提取
1 import pdfplumber 2 3 with pdfplumber.open('test.pdf') as pdf: 4 #page_count = len(pdf.pages()) 5 p0 = pdf.pages[0] 6 # 获取文本,直接得到字符串,包括了换行符【与PDF上的换行位置一致,而不是实际的“段落”】 7 #print(p0.extract_text()) 8 # 获取本页全部表格,也可以使用extract_table()获得单个表格 9 for table in p0.extract_tables(): 10 #得到的table是嵌套list类型,转化成DataFrame更加方便查看和分析 11 for line in table: 12 print(line) 13 14 #安装ImageMagick,地址在下面 15 #http://docs.wand-py.org/en/latest/guide/install.html#install-imagemagick-on-windows
16 #https://blog.csdn.net/blmoistawinde/article/details/82051915