再见PDF提取收费！我用100行Python代码搞定！

关注

原创最新推荐文章于 2024-05-10 15:05:58 发布 1.2k 阅读 AI 写同款· GEO 优化 ›

再见PDF提取收费！我用100行Python代码搞定！去你的收费！大家在日常的工作和学习过程中，都少不了与PDF文件打交道，很多的小伙伴都面临着将PDF文件中的文字、图片和表格数据提取出来的问题。能够对PDF文件中的文字、表格等数据进行编辑，网上现存的PDF提取的软件都需要付费操作！小编今天就利用百行的python程序，来提取PDF文件中的文字、图片和表格数据。一起来看看吧。 01.程序执行效果 python库版本介绍本次程序涉及到多个python第三方库与python3的内置库，而且不同的python库版本对于程序的兼容性不一致，因此我们首先来介绍一下使阅读详情

点上方“菜鸟学Python”，选择“星标”
第471篇原创干货，第一时间送达

大家在日常的工作和学习过程中，都少不了与PDF文件打交道，很多的小伙伴都面临着将PDF文件中的文字、图片和表格数据提取出来的问题。能够对PDF文件中的文字、表格等数据进行编辑，网上现存的PDF提取的软件都需要付费操作！

小编今天就利用百行的python程序，来提取PDF文件中的文字、图片和表格数据。一起来看看吧。

01.程序执行效果

首先，还是通过视频展示的方式，来为大家展示一下PDF的提取效果:

python库版本介绍

本次程序涉及到多个python第三方库与python3的内置库，而且不同的python库版本对于程序的兼容性不一致，因此我们首先来介绍一下使用到的python第三方库版本。

PySimpleGUI 4.38.0
pdfminer3k 1.3.4
pdfplumber 0.5.27
fitz 0.0.1.dev2
pandas 1.1.3

02.程序讲解

看过视频之后，接下来就进行程序的展示，程序的展示主要分为以下的四个方面，分别是：

PDF提取文字
PDF提取图片
PDF提取表格
交互界面的制作

03.PDF提取文字

PDF中文字是只允许我们进行只读，但是无法进行更改，所以我们要做的就是提取PDF中的文字信息，然后将提取到的文字写入到word文件当中，让我们能够进行后续的改写。

对于文字的提取，我们利用的是pdfminer函数库，其程序如下图所示：

程序首先创建了PDFParser对象来进行PDF文档的分析，PDFDocument对象来将资源对象处理成我们需要的格式，PDFResourceManager对象用来保存共享数据内容；

而PDFPageInterpreter则是用来处理页面的内容。程序中通过for循环来针对PDF文件中的每一页内容进行处理，对于每一页的内容，通过layout来存储页面解析出来的各种对象；

包括文本，图片等信息。但是小编发现，对于图片的提取，pdfminer的效果很不好，所以后面针对于图片的提取；

小编采用的fitz库进行单独的处理，取得很好的图片提取效果。这里，我们先来看一下对于文本的处理结果。

我们的pdf是一个两页的pdf文档，我们只让程序去提取第一页的文本，从上图可以看出，程序完整的提取出第一页的文本，没有任何的错误。

04.PDF提取图片

对于文字的提取处理完毕后，接下来我们就来看一下如何提取pdf中的图片，并将其保存到本地。对于图片的提取，程序如下图所示：

上述的程序中，利用fitz库来提取PDF文档中的对象，然后通过字符串匹配来判断对象是不是图片类型，如果不是的话，我们直接进行跳过即可。如果判断对象是图片类型的话，我们边可以通过创建PixMap对象来提取图片，并保存到我们指定的路径下即可。结果如下图所示：

上图可以看出，程序正确的将图片进行了提取，从而达到了我们的图片提取的目的，可以在短短的几秒内完成pdf文档的所有图片的提取。

05.PDF提取表格

对于PDF中表格的提取，利用的是pdfplumber库，程序如下图所示：

程序中，通过pdfplumber库读取PDF文件，针对于文件中的每一页，提取表格数据，然后通过pandas将表格数据保存到根目录下的tables文件夹中，结果如下图所示。

通过结果的展示，可以看出，对于PDF中的表格数据，程序能够做到较为准确的提取。

06.交互界面的制作

交互界面的制作，程序利用的是PySimpleGUI库进行处理，其部分程序如下图所示。

PySimpleGUI库集合了tkinter，wxpython、PyQt等GUI库的优势，其最重要的特点是用简单少量的代码就可以制作出精美的界面。程序执行的可视化界面如下图所示。

07.软件打包

为了方便大家的使用，小编将程序打包为exe文件，需要注意的是，为了减少大家对于exe文件执行时的报错，需要在win10(64bit)的环境下进行运行。大家可以下载exe文件，直接进行pdf文件内容的提取。

在下面的公众号后台输入关键字：pdf提取，即可获取。

推荐阅读:入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影年度爆款文案1).卧槽！Pdf转Word用Python轻松搞定！2).学Python真香！我用100行代码做了个网站，帮人PS旅行图片，赚个鸡腿吃3).首播过亿，火爆全网，我分析了《乘风破浪的姐姐》，发现了这些秘密 4).80行代码！用Python做一个哆来A梦分身 5).你必须掌握的20个python代码，短小精悍，用处无穷 6).30个Python奇淫技巧集 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货 8).再见Python！我要学Go了！2500字深度分析！9).发现一个舔狗福利！这个Python爬虫神器太爽了，自动下载妹子图片点阅读原文,领廖雪峰视频资料！