pypdf2 取文本后保存到excel

`PyPDF2` 是一个用于处理 PDF 文件的 Python 库，主要用于读取 PDF 内容。如果你想从 PDF 中提取文本并将其保存到 Excel 文件中，可以结合使用 `PyPDF2` 提供的 PDF 解析功能和 `pandas` 库来操作表格数据。

首先，安装所需的库（如果你还没安装）：

pip install PyPDF2 pandas openpyxl

然后，你可以按照以下步骤操作：

1. 导入必要的模块：

import PyPDF2
import pandas as pd
from io import StringIO

2. 使用 `PyPDF2` 打开 PDF 文件并读取文本：

def extract_text_from_pdf(pdf_file_path):
    with open(pdf_file_path, 'rb') as file:
        pdf_reader = PyPDF2.PdfFileReader(file)
        text = ""
        for page_num in range(pdf_reader.getNumPages()):
            text += pdf_reader.getPage(page_num).extractText()
    return text

pdf_content = extract_text_from_pdf('your_pdf_file.pdf')

3. 将文本转换成 DataFrame 并保存到 Excel 文件：

# 创建 DataFrame
data = pd.DataFrame([line.strip() for line in StringIO(pdf_content)], columns=['text_column'])

# 保存到 Excel
output_excel_file = 'output.xlsx'
data.to_excel(output_excel_file, index=False)

在这个例子中，我们假设每个 PDF 页面的内容都可以作为单独的一行添加到 Excel 表格中。如果需要更复杂的结构，比如表格或表格之间的关系，你可能需要对文本进行进一步处理或解析。