Python 提取pdf中的excel表格

在Python中，你可以使用`pdfplumber`库来提取PDF中的表格数据，并结合`pandas`库将这些数据写入Excel文件。以下是一个基本的流程：

1. **安装依赖**:

   pip install pdfplumber pandas openpyxl

2. **导入所需库**:

   import pdfplumber
   import pandas as pd
   from tabula import read_pdf  # 可选（如果只对特定的tabular PDF有用）

3. **加载PDF**:

   read_path = '测试数据.pdf'
   with pdfplumber.open(read_path) as pdf:
       # 如果所有页面都有表格，可以遍历所有页
       for page in pdf.pages:
           # 或者针对特定页面提取表格
           tables = page.extract_tables()

4. **处理表格数据**:
对于每个提取到的表格，`tables`是一个二维列表，其中每个子列表代表一行。你可以使用`pandas`将这些数据转换成DataFrame：

   dfs = []
   for table in tables:
       df = pd.DataFrame(table)
       dfs.append(df)
   all_data = pd.concat(dfs)

5. **写入Excel**:

   excel_writer = pd.ExcelWriter('output.xlsx')
   all_data.to_excel(excel_writer, sheet_name='Sheet1', index=False)
   excel_writer.save()

注意：如果你的PDF不是标准的表格布局，可能需要先使用`tabula-py`库（如果PDF是tabular格式）或其他方法进行预处理。