python使用PyPDF2和pdfplumber操作pdf

python使用PyPDF2和pdfplumber操作pdf
1、PyPDF2和pdfplumber库介绍
PyPDF2官网： PyPDF2官网 ，可以更好的读取、写入、分割、合并PDF文件；
pdfplumber官网：pdfplumber官网，可以更好地读取PDF文件内容和提取PDF中的表格；
这两个库不属于python标准库，都需要单独安装；
2、python提取PDF文字内容
1）利用pdfplumber提取文字
import PyPDF2
import pdfplumber

with pdfplumber.open("餐饮企业综合分析.pdf") as p:
    page = p.pages[2]
    print(page.extract_text())
1
2
3
4
5
6
结果如下：

2）利用pdfplumber提取表格并写入excel
extract_table()：如果一页有一个表格；
extract_tables()：如果一页有多个表格；
import PyPDF2
import pdfplumber
from openpyxl import Workbook

with pdfplumber.open("餐饮企业综合分析.pdf") as p:
    page = p.pages[4]
    table = page.extract_table()
    print(table)
    
    workbook = Workbook()
    sheet = workbook.active
    for row in table:
        if not "".join() == ""
            sheet.append(row)
    workbook.save(filename = "新pdf.xlsx")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
结果如下：

缺陷：可以看到，这里提取出来的表格有很多空行，怎么去掉这些空行呢？
判断：将列表中每个元素都连接成一个字符串，如果还是一个空字符串那么肯定就是空行。

import PyPDF2
import pdfplumber
from openpyxl import Workbook

with pdfplumber.open("餐饮企业综合分析.pdf") as p:
    page = p.pages[4]
    table = page.extract_table()
    print(table)
    
    workbook = Workbook()
    sheet = workbook.active
    for row in table:
        if not "".join([str(i) for i in row]) == "":
            sheet.append(row)
    workbook.save(filename = "新pdf.xlsx")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15