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。
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