跟小白学Python数据分析——提取PDF表格数据

我们有下面一张PDF格式存储的表格，现在需要使用Python将它提取出来。

长按识别下方二维码，并关注公众号

回复“PDF”获取案例数据

使用Python提取表格数据需要使用pdfplumber模块，打开CMD，安装代码如下：

1pip install pdfplumber

安装完之后，将需要使用的模块导入

1import pdfplumber
2import pandas as pd

然后打开PDF文件

1# 使用with语句打开pdf文件
2with pdfplumber.open("D:\\python\\cai\\yq.pdf") as pdf:
3    # pages[0]表示取第1页
4    page = pdf.pages[0]

我们来打印输出下获取到的文本，这句语句只是帮我们验证下是否成功获取到PDF里的内容

1print(page.extract_text())

执行的结果如下，看来是成功了

然后可以使用extract_table()函数获取表格，如果有多个表格，可以使用extract_tables()函数，就是多了个s

1d1=page.extract_table()

执行代码后，将得到一个列表，还不是数据框

所以最后一步就是将列表转为数据框就可以了，代码如下：

1df = pd.DataFrame(d1[1:], columns=d1[0])

执行代码后，将得到了df数据框

有几个注意事项要提醒下：

1.pdf表格中的数据，对于同一个数据或内容，不要有换行，如果换行，可能被识别为2个数据；

2.pdf中的表格一定要有边框，没有边框的话，否则使用extract_table()函数就无法获取表格数据，extract_text()还是可以获取文本信息的，不要问我是怎么知道的，说多了都是泪。

如果你喜欢本文，可以点击右下角在看
如果你在跟着学习，请在留言区留言：打卡
如果你刚看到本文，可以查看本系列历史文章跟着学习：
跟小白学Python数据分析——Anaconda安装
跟小白学Python数据分析——使用spyder
跟小白学Python数据分析——数据导入1
跟小白学Python数据分析——数据导入2

-----------------

希望系统、快速学习Python数据分析知识，可以学习

数据分析专家@文彤老师的

《跟文彤老师学Python数据分析》系列视频课程

包含以下三门课程

Python数据分析--玩转Pandas

Python数据分析--玩转数据可视化

玩转Python统计分析

以上顺序也是学习的建议顺序

课程提供讲义（含代码）与数据供练习

学习过程有问题可加Q群与老师交流讨论

如还有其他问题也可添加课程助理微信号咨询，添加时请注明所咨询的课程

现参加课程学习，可享受6折优惠

购买课程直接点击文末“阅读原文”进入即可