办公自动化:轻松提取PDF页面数据,并生成Excel文件(代码实战)!
发现网上有专门做文档格式转换的网站,不过是要充会员才可以。今天来做一篇PDF转换成Excel文档的代码实战,希望大佬喜欢,哈哈,话不多说,马上进入实战环节。
【阅读全文】
首先,我们一如既往的介绍一下需要用到的第三方库。
import pdfplumber # 专门处理PDF文档格式的文件对象
import pandas as pd # 数据处理库,常见的DtaFrame、Series数据对象处理
然后,再把相应的PDF数据提取出来并且保存在DataFrame数据对象中。
# 打开PDF文件、得到PDF数据文件对象
pdf_obj = pdfplumber.open("data.pdf")
# 这里我们以获取第一页的PDF数据为例
page_1 = pdf_obj.pages[0]
# 从得到的第一页数据中提取表格数据
data_table = page_1.extract_table()
# 将提取到的数据表格转换为DataFrame数据对象
data_frame = pd.DataFrame(data_table)
# 打印查看DataFrame数据
print(data_frame)
得到DataFrame数据对象之后,需要进行数据处理的话可以参考前面的文章DataFrame数据处理相关的知识点。
最后,将准备好的DataFrame数据对象保存成Excel格式的数据文件就大功告成啦。
writer = pd.ExcelWriter("C:\data.xlsx") # 设置文档路径
data_frame.to_excel(writer, index=None, startrow=1, encoding="utf-8",sheet_name="数据统计") # 设置Excel对象
ws = writer.sheets["数据统计"] # 写入工作表名称
ws.write_string(0, 0, "我是一个标题") # 添加标题
writer.save() # 保存
【往期精彩】
● sched 模块中巨好用的轻量级定时任务神器scheduler!
● 不用再使用命令行打包成exe,有人写出了UI应用,可视化UI界面对python程序进行打包的方法!
● 发现一个秘密:既python3.6之后字典竟然变成了有序集合,我再次验证了一下!
● 这么多的内置函数能记住吗?对python的68个内置函数分类总结!
● 必须要会的文件操作对象File,python文件读写操作利器!
● 你不知道的CS模式的进程管理工具,状态监测、项目启停一目了然!
● 如何将一个python应用以docker镜像的方式来运行?
● python-celery专注于实现分布式异步任务处理、任务调度的插件!
● python远程服务操作工具:fabric,远程命令、本地命令、服务器操作利器!
● 办公自动化:Python-win32com自动将word文档转换成pdf格式!
● pandas数据统计插件的连接函数concat()妙用,灵活处理数据对象!
● python超赞插件you-get,执行一行命令即可下载、命令行下载工具推荐!
● python常用转义字符串总结:各种字符转义的不同、如何取消转义字符效果?
● 如何使用python完成对WebService服务的调用?suds-py3插件安利一下!