file
第三方库说明
# PDF读取第三方库
import pdfplumber
# DataFrame 数据结果处理
import pandas as pd
初始化DataFrame数据对象
# 初始化DataFrame数据对象、用于DataFrame数据保存
data_frame = pd.DataFrame()
读取PDF表格
# pdf 文件路径
pdf_file = '/usr/load/data.pdf'
# 读取pdf数据
pdf_data = pdfplumber.open(pdf_file)
# 遍历PDF数据
for page in pdf_data.pages:
# 每一页的Tbale表格数据
table = page.extract_table()
# 将每一页的数据写入一个DataFrame对象
data_frame_page = pd.DataFrame(table[1:], columns=table[0])
# 合并每一页的表格数据
data_frame = pd.concat([data_frame_page, data_frame], ignore_index=True)
# 简单的数据清洗、删除其中列值全部为Nan的数据列
data_frame.dropna(axis=1, how='all', inplace=True)
写入EXCEL表格
# excel 文件路径
excel_path = '/usr/load/data.pdf'
# 自定义列名
data_frame.columns = ['姓名', '年龄', '身份证号', '绩效考核']
# DataFrame数据保存到Excel数据表中
data_frame.to_excel(excel_writer=excel_path, index=False, encoding='utf-8')
【往期精选】
● python 中最好用的身份证规则解析工具，地区码、性别、出生年月、身份证编码等快速校验！
● os用法总结：python中必须掌握的内置模块os，实现与计算机操作系统的常规交互！
● python 实用技巧：几十行代码将照片转换成素描图、随后打包成可执行文件（源码分享）
● python十行代码实现文件去重，去除重复文件的脚本
● python的GUI框架tkinter，实现程序员的流氓式表白逻辑
● 探究python函数的不定长参数args与*kwargs
● 没有深思过的python冷知识你知道几个？
● python图片处理，自动生成gif动态图片
● python-redis 的操作手法，相当简单的redis数据存储方式！
● python 日期、时间处理，各种日期时间格式/字符串之间的相互转换究竟是怎样的？
● python 内置的数据计数器Counter相当nice
● 几十行代码实现python发送邮件与接收邮件
● 没有开发工具，在服务器控制台如何进行python代码调试，高级编程pdb代码调试！
● 梳理python路线知识盲区，最全面、最详细的python知识体系框架思维导图终于出炉了！
