如何提取一个文件夹里的多个PDF文件里的多个数据，并保存到xlsx文件中

提取一个文件夹内的多个PDF文件中的数据并保存到Excel文件中通常涉及几个步骤，这里我会简述一种常见的Python方法，使用`tabula-py`库读取PDF内容，然后结合`pandas`处理数据并保存到Excel。假设你已经安装了`tabula-py`, `pandas`, 和 `openpyxl` 这些库。

1. 导入必要的库：

import os
import pandas as pd
from tabula import read_pdf

2. 定义函数来处理单个PDF文件：

def extract_data_from_pdf(pdf_path):
    data = read_pdf(pdf_path, pages='all')  # 默认读取所有页面
    if isinstance(data, list):  # 如果有多个表格，合并成一个DataFrame
        df = pd.concat(data)
    else:
        df = data
    return df

3. 遍历文件夹，提取每个PDF的数据：

def process_folder(input_folder, output_excel):
    dfs = []
    for filename in os.listdir(input_folder):
        if filename.endswith('.pdf'):
            pdf_path = os.path.join(input_folder, filename)
            extracted_df = extract_data_from_pdf(pdf_path)
            dfs.append(extracted_df)

    combined_df = pd.concat(dfs)  # 合并所有单独的数据框

4. 将数据写入Excel文件：

combined_df.to_excel(output_excel, index=False) # 输出到指定路径的Excel文件

5. 调用函数并传递参数：

input_folder = 'your_pdf_folder'
output_excel = 'extracted_data.xlsx'
process_folder(input_folder, output_excel)