怎么用Python自动批量提取PDF文档中的表格到Excel?

老枫同学_6343

老枫同学_6343

2026-11-19

232人浏览

原创

tabula-py提取PDF表格最省事但依赖Java且不支持扫描版;空列表主因是PDF非文本型或未指定页码/区域;可用pdfplumber验证文本层;合并多PDF表格需用ExcelWriter控制写入位置;tabula适合规整表格,camelot适合复杂线框表格。

怎么用python自动批量提取pdf文档中的表格到excel?

直接用 tabula-py 提取 PDF 表格最省事,但必须注意:它依赖 Java 运行环境,且对扫描版 PDF 完全无效——不是所有“看起来像表格”的内容都能被识别出来。

为什么 tabula.read_pdf() 读出来是空列表?

常见原因是 PDF 不是文本型(即扫描件或图片嵌入),tabula 根本看不到文字。另一个高频问题是没指定页码或区域,导致默认只扫第一页顶部一小块。

  • 先用 pdfplumber 快速验证是否能提取文字:
    import pdfplumber
    with pdfplumber.open("sample.pdf") as pdf:
        print(pdf.pages[0].extract_text()[:200])
    如果输出是 None 或乱码,说明是扫描件,得先 OCR
  • 强制指定页码范围:pages="all" 或 pages=[1, 3, 5],别依赖默认值
  • 用 area 参数框选表格区域(单位是点,左下为原点),比靠算法自动检测更稳:area=[100, 50, 600, 400]

怎么把多个 PDF 的表格合并到一个 Excel 文件里?

关键不是“循环读取”,而是控制每个表格写入 Excel 的位置——否则所有表会叠在同一个 sheet 的 A1 单元格上。

Python健壮编程
Python健壮编程

编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外

下载
  • 用 pandas.ExcelWriter 的 engine="openpyxl" 模式,支持追加写入
  • 每读一个 PDF,用 df.to_excel(writer, sheet_name=f"PDF_{i}", index=False) 分开建 sheet
  • 如果想塞进同一个 sheet,得手动计算起始行:startrow = writer.sheets["Summary"].max_row + 2,再传给 to_excel(startrow=...)
  • 别忘了最后调用 writer.close(),否则文件可能损坏

tabula 和 camelot 到底选哪个?

tabula 更快、API 简单,适合结构规整的 PDF;camelot 对复杂线框表格识别率更高,但安装麻烦(需要 Ghostscript)、速度慢一倍以上。

  • 优先试 tabula.read_pdf(..., multiple_tables=True),返回的是 list of DataFrames,直接遍历处理即可
  • 如果表格有合并单元格或细线分隔,换 camelot.read_pdf(..., flavor="lattice");若只有竖线/无边框,用 flavor="stream"
  • camelot 的 table.df 才是 DataFrame,别直接用 table 对象
  • 两者都对中文支持一般,若字段名乱码,加参数 encoding="utf-8"(tabula)或确保 PDF 内嵌字体支持中文

真正卡住的往往不是代码写不对,而是 PDF 本身质量——比如表格跨页、字体嵌入不全、用了非标准编码。建议先人工抽 3 个样本 PDF,用 pdfplumber 看文本层是否完整,再决定走 OCR 还是纯解析路线。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

极轻PDF
极轻PDF

专业的在线PDF工具,支持PDF编辑、转换、合并、压缩等多种功能,操作简单,处理高效,满足日常办公与学习中的PDF处理需求。

下载

相关标签:

excel python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5564

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33997

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3103

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Excel 教程
Excel 教程

共162课时 | 45.9万人学习

成为PHP架构师-自制PHP框架
成为PHP架构师-自制PHP框架

共28课时 | 3.7万人学习