如何用pdfplumber和Python从PDF文件中提取表格数据

使用pdfplumber和Python从PDF文件中提取表格数据，可以按照以下步骤进行：

1. 安装pdfplumber库：在命令行中输入 `pip install pdfplumber` 进行安装。

2. 导入pdfplumber库：在Python代码中导入pdfplumber库，如下所示：

   import pdfplumber

3. 打开PDF文件：使用pdfplumber库中的open()函数打开PDF文件，并指定文件路径，如下所示：

   with pdfplumber.open("file.pdf") as pdf:

4. 提取表格数据：使用pdfplumber库中的extract_table()函数提取表格数据，并指定表格所在页面和表格范围（左上角坐标和右下角坐标），如下所示：

   page = pdf.pages[0]  # 获取第一页
   table = page.extract_table(table_settings={
       "vertical_strategy": "lines",
       "horizontal_strategy": "lines",
       "intersection_x_tolerance": 15,
       "intersection_y_tolerance": 15
   })

注意：在表格提取过程中，可以通过设置提取策略来适应不同的表格结构。

5. 处理表格数据：将提取出来的表格数据存储到变量中，并进行后续处理，如输出到控制台或保存到文件中。

完整代码示例如下：

import pdfplumber

# 打开PDF文件
with pdfplumber.open("file.pdf") as pdf:
    # 获取第一页
    page = pdf.pages[0]
    # 提取表格数据
    table = page.extract_table(table_settings={
        "vertical_strategy": "lines",
        "horizontal_strategy": "lines",
        "intersection_x_tolerance": 15,
        "intersection_y_tolerance": 15
    })
    # 输出表格数据
    for row in table:
        print(row)

注意：在实际应用中，还需要根据具体需求进行表格数据的处理和清洗。