Python办公自动化教程（001）：PDF内容提取

1、Pdfplumber介绍

pdfplumber的github地址：

https://github.com/jsvine/pdfplumber/

• 【介绍】：pdfplumber 是一个用于处理 PDF 文件的 Python 第三方库，它提供了一种方便的方式来提取 PDF 文件中的文本、表格和其他信息。
• 【功能】：pdfplumber 主要用于解析和提取 PDF 文件中的文本、表格、图像等信息。
  适用版本：支持 Python 3.6 及以上版本。
• 【特点】：简单易用、准确性高、多平台支持（包括 Windows、Mac 和 Linux）、功能强大。
• 【安装】：pip install pdfplumber

2、内容提取

【1】读取page对象

代码：

import pdfplumberwith pdfplumber.open('./file/test.pdf') as read_pdf:# 读取page对象print(read_pdf.pages)

输出结果：

【2】打印完整内容

代码：

import pdfplumberwith pdfplumber.open('./file/test.pdf') as read_pdf:# 读取page对象pages = read_pdf.pagesfor page in range(len(pages)):text = read_pdf.pages[page].extract_text()print(f'--------------第{page + 1}页内容---------------')print(text)

打印结果：