世界500强企业是什么意思_深圳网站设计公司 网络服务_seo外包多少钱_头条权重查询

目录

提取文本内容

提取表格内容

提取图片信息

文本框信息数据

将对应页转为图片

转CSV、JSON、字典数据

---

安装：pip install pdfplumber -i  https://pypi.tuna.tsinghua.edu.cn/simple/

提取文本内容

from pdfplumber import open as opdef read_pdf(pdf_path):with op(pdf_path) as pdf:for page in pdf.pages:# 包含表格在内的所有文本信息text = page.extract_text()print(text)

 

提取表格内容

可将提取到的表格数据通过写表的方式插入到excel中或做其他处理

            for table in page.extract_tables():for row in table:print(row)

提取图片信息

            for img in page.images:print(img)

文本框信息数据

            for wds in page.extract_words():   # 文本框位置及内容print(wds) 

将对应页转为图片

resolution参数为像素值，值越大，图片越清晰

page.to_image(resolution=500).save(rf'{pdf_path.split(".")[0]}-{page.page_number}.png')

转CSV、JSON、字典数据

            print(page.to_csv())  # 转csv数据print(page.to_json(indent=4))  # 转JSON数据print(page.to_dict())  # 转字典数据