pdf提取表格內(nèi)容源碼

pdf提取表格內(nèi)容源碼，一個(gè)pdf提取表格內(nèi)容的源碼，由Python語言編寫，參考文檔為教育部閱讀指導(dǎo)目錄，用戶可以通過源碼原理來制作能提取任意表格內(nèi)容的源碼，下面給出這款pdf提取表格內(nèi)容的源碼資源，有需要的朋友們可以參考學(xué)習(xí)。

源碼程序由論壇用戶制作分享。

pdf提取表格內(nèi)容源碼功能

一個(gè)從pdf文檔中提取出表格數(shù)據(jù)，并另存為excel文件的python程序

pdf提取表格內(nèi)容源碼說明

教育部基礎(chǔ)教育課程教材發(fā)展中心首次向全國(guó)中小學(xué)生發(fā)布閱讀指導(dǎo)目錄

http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202004/t20200422_445605.html

最下面的附件

pdf中按小學(xué)、初中、高中推薦了三套生閱讀指導(dǎo)目錄。

我們根據(jù)頁碼，來分別存為3個(gè)EXCEL文件。

源碼一覽

# -*- coding: utf-8 -*-

import pdfplumber

import pandas as pd

pdf = pdfplumber.open("2020.pdf")

full_df = pd.DataFrame()

for i in range(1, 6):

    second_page = pdf.pages[i]

    table = second_page.extract_table()

    print(table)

    table_df = pd.DataFrame(table[1:], columns=table[0])

    print(table_df)

    full_df = pd.concat([full_df, table_df])

full_df.to_excel('小學(xué)段.xlsx')

full_df = pd.DataFrame()

for i in range(6, 11):

    second_page = pdf.pages[i]

    table = second_page.extract_table()

    print(table)

    table_df = pd.DataFrame(table[1:], columns=table[0])

    print(table_df)

    full_df = pd.concat([full_df, table_df])

full_df.to_excel('初中段.xlsx')

full_df = pd.DataFrame()

for i in range(11, 15):

    second_page = pdf.pages[i]

    table = second_page.extract_table()

    print(table)

    table_df = pd.DataFrame(table[1:], columns=table[0])

    print(table_df)

    full_df = pd.concat([full_df, table_df])

full_df.to_excel('高中段.xlsx')