Condivisione della tecnologia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1. Contesto

Anche ottenere dati in tabelle da file PDF è un compito che rientra facilmente nel lavoro d'ufficio quotidiano. Se ad esempio vogliamo ottenere i dati tabellari del report annuale di un'azienda, il PDF può facilmente contenere centinaia di pagine di dati.

2 metodi tradizionali

Copiare uno per uno dalla tabella PDF e poi incollarlo nella tabella Excel è troppo inefficiente.

3 Automazione dell'ufficio

Diamo un'occhiata al mio metodo e a come risolverlo usando Python. Usa pdfplumber per leggere file PDF, estrarre automaticamente le tabelle su ogni pagina e scriverle in nuovi file Excel in un ciclo. L'idea è la stessa del metodo tradizionale, ma quanto tempo ci vuole? Non battere ciglio, devo solo premere il pulsante Esegui e tutte le operazioni verranno eseguite automaticamente. Tutti i file verranno generati e nominati automaticamente. Ne aprirò uno o due in modo casuale. Non c'è problema. .

4 implementazione del codice

## 导入工具包
import pdfplumber
import pandas as pd
 
## 读取 PDF 文件
p = pdfplumber.open("./贵州茅台2019年年报.pdf")
 
# 选好读取全部页面
for i in range(len(p.pages)):
    ## 读取一页中全部表格
    tables = p.pages[i].extract_tables()
    print(f'第{i+1}页一共有{len(tables)}个表格') 
    for j in range(len(tables)):
        ## 生成表格
        df = pd.DataFrame(tables[j])
        ## 写入 Excel 文件
        df.to_excel(f'./贵州茅台2019年年报_第{i+1}页_第{j+1}张表.xlsx')

Effetto di realizzazione: