提取pdf中的数据python代码

在Python中，我们可以使用一些库来提取PDF文件中的数据，例如PyPDF2库主要用于处理PDF文件，而Tabula-Python则用于从PDF表格中提取结构化数据。这里是一个简单的例子，展示如何使用PyPDF2读取PDF并获取文本内容：

import PyPDF2

# 打开PDF文件
with open('example.pdf', 'rb') as file:
    reader = PyPDF2.PdfFileReader(file)

    # 获取总页数
    num_pages = reader.getNumPages()
    
    # 遍历每一页
    for page_num in range(num_pages):
        page_obj = reader.getPage(page_num)
        text = page_obj.extractText()  # 提取页面文本
        print(f"Page {page_num + 1} text: {text}")

如果你需要从PDF表格中提取数据，可以使用`tabula-py`库结合`pandas`处理：

import tabula
import pandas as pd

# 指定要提取数据的PDF页面
data = tabula.read_pdf('example.pdf', pages='all')

# 将数据转换为DataFrame
df = pd.DataFrame(data[0])

print(df)  # 输出提取的数据

请注意，实际操作可能会因为PDF结构的不同而有所变化，特别是如果PDF包含嵌入式对象、图像或加密等复杂情况。