pdfplumber | 一键提取PDF中的表格到Excel

一键提取PDF中的表格到Excel

实现代码：

import os
import pdfplumber
from openpyxl import Workbook

path = 'PDF'  # 文件所在文件夹
files = [path + "\\" + i for i in os.listdir(path)]  # 获取文件夹下的文件名,并拼接完整路径
key_words = "主要会计数据"

for file in files:
    with pdfplumber.open(file) as p:
        wb = Workbook()  # 新建excel工作簿
        wb.remove(wb.worksheets[0])  # 删除工作簿自带的工作表

        # 获取关键词所在页及下一页的页码
        pages_wanted = []
        for index, page in enumerate(p.pages):  # 从0开始给所有页编号
            if key_words in page.extract_text():
                pages_wanted.append(index)
                pages_wanted.append(index + 1)
                break

        # 提取指定页码里的表格
        for i in pages_wanted:
            page = p.pages[i]
            tables = page.extract_tables()  # 读取表格
            if tables:  # 判断是否存在表格，若不存在，则不执行下面的语句
                ws = wb.create_sheet(f"Sheet{i + 1}")  # 新建工作表，表名的编号与表在PDF中的页码一致
                for table in tables:  # 遍历所有列表
                    for row in table:  # 遍历列表中的所有子列表，里面保存着行数据
                        ws.append(row)  # 写入excel表
        wb.save("Excel\\{}.xlsx".format(file.split("\\")[1].split(".")[0]))

PDF:
东旭蓝天：2019年年度报告.PDF
华特气体：2019年年度报告（修订版）.PDF