我把pdfplumber整成了可以拖拉拽的web软件

最新推荐文章于 2025-12-05 14:31:02 发布

原创最新推荐文章于 2025-12-05 14:31:02 发布 · 955 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#前端 #pdf

前几天我发了一篇文章《从PDF中提取Excel，这个工具真的好用》，受到很多的关注和评论，方法是用Python的开源库pdfplumber来实现对PDF上表格和文本的提取，非常方便和快捷。

pdfplumber是专门用来处理PDF的第三方库，完全开源和免费，它最核心的功能是提取PDF的文本和表格，支持保留段落、换行、空格的原始格式，不会像某些库那样把不同区域的文本混在一起，是我体验下来最好用的PDF处理库。

pdfplumber可以对PDF进行基本查询和编辑。

page_number：页码
width/height：页面尺寸
rotation：旋转角度
bbox：页面边界框
crop(bbox)：裁剪指定区域
rotate(angle)：旋转页面
to_image()：生成可视化页面

同时支持提取PDF文本和表格，这是pdfplumber的强项。

extract_text()：保留布局的整页文本提取
extract_text_simple()：忽略布局的简单文本提取
get_textbox(bbox)：提取指定区域文本
extract_table(table_settings={})：提取页面第一个表格
extract_tables(table_settings={})：提取页面所有表格
find_tables()：查找表格边界框
extract_images()：提取页面所有图像

pdfplumber使用也很简单，比如说提取PDF页面。

import pdfplumber

with pdfplumber.open("path/to/file.pdf") as pdf:
    first_page = pdf.pages[0]
    print(first_page.chars[0])

虽然在Python上使用pdfplumber提取PDF文本表格并不难，但这仅限于懂Python的同学，如果你不会Python，那也是没办法用pdfplumber操作PDF，只能求助于付费软件。

我突发奇想用pdfplumber搭建了个PDF文本表格提取应用，可以实现拖拉拽实现操作，不需要任何的代码。

这个应用是基于streamlit开发的，在浏览器上打开使用，它支持的PDF操作包括：

1、支持拖拽导入PDF，并查看PDF基本信息
2、支持提取PDF文本、表格
3、支持导出Markdown、Word、TxT、Json格式文件
4、支持拉取所有表格，并导出Excel格式文件
5、支持将PDF转换为Word文件，并保持样式
6、支持DeepSeek生成PDF文本摘要

下面以一份PDF行业报告为例，咱们用这个工具去提取文本和表格，速度非常快。

首先将PDF拖到打开栏里，点击处理PDF。

在这里插入图片描述

它就会将完整的文本提取出来，并显示PDF的基本信息。

点击表格功能，这个PDF所有的表格都会单独呈现出来，并可以下载Excel文件。

下载的Excel包含所有PDF表格，且高度还原格式。

你可以将提取的文本导出为Word、Markdown、txt、Json格式文件。

导出的Markdown文件如下：

还可以直接将PDF原封不动转换为Word文件。

我还在这个应用里植入了DeepSeek总结功能可以提炼PDF摘要。

以上就是这个web应用的功能，应该是比较适合日常办公处理PDF。

如何安装这个应用呢？

因为它是基于Python streamlit开发的，所以会有一些依赖库，在使用前需要安装到本地电脑，包括：

# Core PDF processing
pdfplumber==0.11.0
PyPDF2==3.0.1
pdf2docx==0.5.8

# AI API integration
requests==2.31.0
openai==1.12.0

# Document generation
python-docx==1.1.0
markdown==3.5.2

# Web framework
streamlit==1.31.0
streamlit-extras==0.3.6

# Data processing
pandas==2.2.0
numpy==1.26.4
openpyxl==3.1.2

# Async processing
aiohttp==3.9.3

# Utilities
python-dotenv==1.0.1
Pillow==10.2.0
tqdm==4.66.1

# Logging
loguru==0.7.2

当然这里默认你的电脑上已经安装好Python，并配置好以上依赖，然后你就可以通过以下命令进入该应用。