minhas informações de contato
Correspondência[email protected]
2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
A obtenção de dados em tabelas a partir de arquivos PDF também é uma tarefa facilmente envolvida no trabalho diário de escritório. Por exemplo, se quisermos obter os dados tabulares do relatório anual de uma empresa, o PDF pode facilmente conter centenas de páginas de dados.
Copiar um por um da tabela PDF e depois colá-lo na tabela do Excel é muito ineficiente.
Vamos dar uma olhada no meu método e como resolvê-lo usando Python. Use o pdfplumber para ler arquivos PDF, extrair automaticamente as tabelas de cada página e gravá-las em novos arquivos Excel em loop. A ideia é a mesma do método tradicional, mas quanto tempo leva? Não pisque, só preciso pressionar o botão executar e todas as operações serão executadas automaticamente. Todos os arquivos serão gerados e nomeados aleatoriamente. .
- ## 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')
Efeito de realização: