当前位置：首页 > article >正文

Python办公自动化教程（001）：PDF内容提取

article 2025/1/9 12:26:51

1、Pdfplumber介绍

pdfplumber的github地址：

https://github.com/jsvine/pdfplumber/

【介绍】：pdfplumber 是一个用于处理 PDF 文件的 Python 第三方库，它提供了一种方便的方式来提取 PDF 文件中的文本、表格和其他信息。
【功能】：pdfplumber 主要用于解析和提取 PDF 文件中的文本、表格、图像等信息。
适用版本：支持 Python 3.6 及以上版本。
【特点】：简单易用、准确性高、多平台支持（包括 Windows、Mac 和 Linux）、功能强大。
【安装】：pip install pdfplumber

2、内容提取

【1】读取page对象

代码：

import pdfplumber

with pdfplumber.open('./file/test.pdf') as read_pdf:
    # 读取page对象
    print(read_pdf.pages)

输出结果：

在这里插入图片描述

【2】打印完整内容

代码：

import pdfplumber

with pdfplumber.open('./file/test.pdf') as read_pdf:
    # 读取page对象
    pages = read_pdf.pages
    for page in range(len(pages)):
        text = read_pdf.pages[page].extract_text()
        print(f'--------------第{page + 1}页内容---------------')
        print(text)