python 银行回单 pdf

使用Python可以实现对银行回单pdf的拆分和提取指定字段的功能。首先，您需要确保每个回单都是单独的一页pdf文件。可以使用PyPDF2库来实现拆分功能。通过循环读取原pdf文件的每一页，然后将每一页保存为单独的pdf文件，并以身份证号作为文件名。

接下来，您可以使用pdfplumber库来提取每张回单中的指定字段。可以使用pdfplumber.open()函数打开每个拆分后的pdf文件，然后使用.pages属性获取每张回单的页面，再使用.extract_text()方法提取特定字段的文本内容。

下面是完整的Python代码示例：

import os
import pdfplumber
from PyPDF2 import PdfFileReader, PdfFileWriter

def split_pdf(input_pdf, output_dir):
    with pdfplumber.open(input_pdf) as pdf:
        for i, page in enumerate(pdf.pages):
            output_pdf = os.path.join(output_dir, f"page{i+1}.pdf")
            pdf_writer = PdfFileWriter()
            pdf_writer.addPage(page.to_page())
            with open(output_pdf, "wb") as output_file:
                pdf_writer.write(output_file)

def extract_fields(input_pdf):
    with pdfplumber.open(input_pdf) as pdf:
        for page in pdf.pages:
            text = page.extract_text()
            # 提取指定字段的文本内容
            # 这里可以按照您的需求使用正则表达式或其他方法来提取字段
            # 示例代码：
            recipient_name = text[text.index("收款人姓名")+6:text.index("收款人账号")]
            recipient_account = text[text.index("收款人账号")+6:text.index("流水号")]
            transaction_id = text[text.index("流水号")+4:text.index("其他字段")]
            # 输出提取的字段
            print("收款人姓名:", recipient_name)
            print("收款人账号:", recipient_account)
            print("流水号:", transaction_id)

# 拆分pdf
input_pdf = "original.pdf"
output_dir = "output_dir"
split_pdf(input_pdf, output_dir)

# 提取字段
extract_fields(os.path.join(output_dir, "page1.pdf"))