python提取pdf文本内容_python操作PDF------提取PDF文字内容

#安装 pip install pdfplumber

importpdfplumber#利用pdfplumber提取文字

with pdfplumber.open('基于python的网页爬虫.pdf') as pdf:

first_page=pdf.pages[0]print(first_page.extract_text())#利用pdfplumber单个提取表格

with pdfplumber.open('基于python的网页爬虫.pdf') as pdf:

first_page=pdf.pages[0]print(first_page.extract_table())#利用pdfplumber多个提取表格

with pdfplumber.open('基于python的网页爬虫.pdf') as pdf:

first_page=pdf.pages[0]for table infirst_page.extract_tables():print(table)#利用pdfplumber单个提取财报 table_settings: 提取表格是的设定

with pdfplumber.open('基于python的网页爬虫.pdf') as pdf:

first_page=pdf.pages[0]

table=first_page.extract_tables(

table_settings={'vertical_strategy': 'text','horizontal_strategy': 'text'}

)

new_table=[]for row intable:

new_row=[]#如果不是空行

if not ''.join([str(item) for item in row]) == '':#合并单词

new_row.append(''.join([str(item) if item else '' for item in row[:3]]))

new_row+= row[3:]

new_table.append(new_row)print(new_table)