利用python pdfplumber读取pdf文件内容

最新推荐文章于 2025-04-07 13:24:18 发布

强尼_leyuan

最新推荐文章于 2025-04-07 13:24:18 发布

阅读量6.2k

点赞数 5

分类专栏： python 文章标签： python

本文链接：https://blog.youkuaiyun.com/weixin_42305022/article/details/105776403

版权

本文介绍了Python库pdfplumber的使用，包括安装、主要函数如extract_text()、extract_words()、extract_tables()和to_image()。通过实例展示了如何提取PDF文件中的文本内容和表格。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、简单介绍：
1、Pdfplumber是一个可以处理pdf格式信息的库。
2、pdfplumber安装：pip安装即可，可能需要安装pdfminer库，py3.7版本及以上需安装pdfminer.six
3、常用函数：基于pdf页面的
.extract_text() 用来提页面中的文本，返回字符串
.extract_words() 返回的是所有的单词及其相关信息
.extract_tables() 提取页面的表格，返回列表
.to_image() 用于可视化调试时，返回PageImage类的一个实例

二、PDF文件文本内容提取实例：

import os
import pdfplumber
import pandas as pd
import re
#list元素合并    
def concat_text(ls):
    a=''
    for i in ls:
        a = a+i
    return a
#获取pdf文本
def get_pdf_text(rootdir,ls): 
    ls_text = []
    for file in range(len(ls)):
        ls_txt = []
        path = os.path.join(rootdir,ls[file])
        with pdfplumber.