python操作pdf,python操作數據庫的框架

本文目錄一覽：

1、python在ftp下載文件保存成pdf
2、Python 操作PDF庫介紹之PDFMiner
3、Python利器：如何處理PDF表格數據
4、用python批量提取pdf的表格數據，保存為excel

python在ftp下載文件保存成pdf

1.python圖片保存為pdf格式的功能需要使用到os模塊以及img2pdf模塊，其中img2pdf模塊是第三方的。win+r打開運行窗口之後輸入cmd並回車就能夠啟動命令行提示符，執行如下命令即可安裝：

pip3 install img2pdf

如果是linux系統或者是mac系統的話，就需要打開終端然後在命令前加上sudo參數表示管理員權限去下載安裝這個庫。

2.安裝完成之後新建一個python腳本來編寫代碼，首先就是將這兩個模塊都給導入進來，示例如下：

import os

import img2pdf

3.然後使用with關鍵字創建出一個上下文管理器結構並且打開一個pdf文件，使用它的原因就在於可以在代碼執行完畢之後自動的釋放資源並關閉文件，示例如下：

with open(“Output.pdf”, “wb”) as file:

有沒有這個pdf文件都可以，如果沒有的話會在文件路徑內自動去創建。

4.最後就是需要調用該文件對象的write()方法來將圖片數據寫入進去了，在這個方法裡面會調用convert()將一個文件路徑內後綴名為jpg的圖片全部以二進制流的方式讀取出來，示例如下：

file.write(img2pdf.convert([i for i in os.listdir(‘文件路徑’) if i.endswith(“.jpg”)]))

以上就是關於“Python怎麼將圖片保存為pdf格式？Python圖片合成為pdf的代碼如何寫”的全部內容了，希望對你有所幫助。

Python 操作PDF庫介紹之PDFMiner

PDFMiner是一種從PDF文檔中提取信息的工具。與其他PDF相關工具不同，它完全專註於獲取和分析文本數據。

PDFMiner允許人們獲取頁面中文本的確切位置，以及字體或線條等其他信息。

它包括一個PDF轉換器，可以將PDF文件轉換為其他文本格式（如HTML）。它具有可擴展的PDF解析器，可用於除文本分析之外的其他目的。

github:

Python利器：如何處理PDF表格數據

大家好，我是Peter~

在很多情況下，我們都需要處理PDF格式的文件。尤其當我們遇到PDF表格數據需要進行提取，真的是一個令人頭疼的問題。

因為PDF文件不能像Word那樣直接複製，即使複製了再黏貼也可能會出現格式排版錯亂甚至亂碼問題。如何從一個PDF文件提取出表格數據？本文提供兩個解決方案：

首先提供的一種方法是從文字 PDF 中提取表格信息的工具：Camelot，它能夠直接將大部分表格轉換為 Pandas 的 Dataframe。

更多的詳細信息，請參考項目地址：

camelot的安裝有多種方式。如果有報錯，網上一般有解決方式：

1、通過conda安裝

2、使用pip進行安裝

3、通過GitHub進行安裝

首先將項目複製到本地：

然後進入文件中進行安裝：

下面通過一個案例來講解如何使用camelot。假設我們現在有一個只有一頁的PDF文件test.pdf：

1、先讀取文件

導出成csv格式的數據（方式1）

查看tables的相關信息：

導出方式2：

將數據轉換成DataFrame：

tabula的功能比camelot更加強大，可以同時對多個表格數據進行提取。項目的具體地址請參考：

tabula的安裝是非常簡單的：

安裝之後檢驗這個庫是否安裝成功：

通過tabula這個庫來讀取PDF文件：

然後我們發現列表中唯一的一個元素就是dataframe：

將讀取到的數據輸出成CSV格式的文件：

上面讀取的PDF文件是比較簡單的，只有一頁，而且剛好是一個很標準的表格形式的數據，下面看一個比較複雜的例子：

下面是第一頁，第一列可以看成是索引：

在第二頁中有兩份表格，而且中間有很多的空白行：

第三頁的數據比較標準：

這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中

上面的紅色提示中我們看到：當沒有指定pages參數的時候，只會默認讀取第一頁的數據，所以列表的長度為1。

轉成dataframe後將原來的索引變成新的一列（部分數據）

通過pages來讀取全部數據：

通過指定pages=”all”：

同時獲取兩個表格的數據：

通過area參數來指定：

刪除在讀取的表格中我們不需要的字段信息

可以將得到的數據輸出成不同格式的文件，以json格式為例：

我們可以看到

用python批量提取pdf的表格數據，保存為excel

pdfplumber 是一個開源 python 工具庫-，可以方便地獲取 pdf 的各種信息，包括文本、表格、圖表、尺寸等。完成我們本文的需求，主要使用 pdfplumber 提取 pdf 表格數據。

python 中還有很多庫可以處理 pdf，比如 PyPDF2、pdfminer 等，本文選擇pdfplumber 的原因在於能輕鬆訪問有關 PDF 的所有詳細信息，包括作者、來源、日期等，並且用於提取文本和表格的方法靈活可定製。大家可以根據手頭數據需求，再去解鎖 pdfplumber 的更多用法。

原創文章，作者：FAHG，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/141598.html