Python 提取pdf的excel表格

要使用Python从PDF中提取表格并保存为Excel文件，可以按照以下步骤进行：

1. **安装所需库**[^2]:

   pip install pdfplumber openpyxl pandas

2. **导入必要的库**:

   import os
   from pdfplumber import PDFPlumber
   import pandas as pd
   from openpyxl import Workbook

3. **定义提取表格的函数**:

   def extract_tables_from_pdf(pdf_path, excel_writer):
       with PDFPlumber(pdf_path) as pdf:
           for page in pdf.pages:
               tables = page.extract_tables()
               if tables:
                   for table in tables:
                       df = pd.DataFrame(table)
                       excel_writer.append(df)

4. **创建Excel writer对象并开始提取**:

   def save_tables_to_excel(pdf_paths, output_file):
       wb = Workbook()
       writer = pd.ExcelWriter(output_file, engine='openpyxl')
       for pdf_path in pdf_paths:
           extract_tables_from_pdf(pdf_path, writer)
       writer.save()

5. **调用函数处理多个PDF文件**:

   pdf_paths = ["path/to/pdf1.pdf", "path/to/pdf2.pdf"]
   output_file = "extracted_tables.xlsx"
   save_tables_to_excel(pdf_paths, output_file)

通过以上代码，PDF中的表格会被逐一提取出来，存储在一个Excel文件中。记得替换`pdf_paths`变量中的路径为你实际的PDF文件路径。