金融数据分析之pdfplumber提取年报PDF关键数据（其他PDF数据通用）

目录

一、前言

二、难点

三、提取难点解决思路

四、源代码

---

一、前言

小编最近遇到需求了：

<1>从PDF提取出关键数据；

<2>将关键数据整理到对应的Excel文件；

<3>要求批处理，可以处理多个类似的内容的PDF文件；

<4>重点还是提取上市公司年报的财务数据。

小编看到这个需求，首先想到用python，应了那句“人生苦短，必须python”。是的，python确实是一门好用的工具语言。问问度娘，还真有用于处理PDF文件的Package，列示如下：

（1）PDFMiner；（2）PyPDF2； （3）Tabula； （4）pdfplumber

每个包的侧重点不同，小编这里细说，伙伴们自行百度/谷歌/Bing。经过一番对比，小编最终选择了pdfplumber，其综合表现最佳。使用教程可以参考这篇博客

二、难点

这里先贴出Pdfplumber使用的一些关键说明，关键操作基本有这两张表就OK了。

初步测试了一篇PDF年报，指定页提取表格数据，是一个3维的list，表格table2维，1维表示当前页面的表数量。感觉还不错，正当小编开始跃跃欲试之际，难点遇到了：