本文目录一览:
- 1、一个用于合并pdf的简单Python脚本
- 2、用python批量提取pdf的表格数据,保存为excel
- 3、Python利器:如何处理PDF表格数据
- 4、如何用python把pdf转为cad?
- 5、python将pdf转图片
- 6、利用python去除pdf水印
一个用于合并pdf的简单Python脚本
在学校打印店,有时会打印很多文件,因为文件数量多,过程会比较繁琐。自己没事动手写了一个pdf合并的python脚本,方便将多个pdf文件合并为一。这样打印时候只需点开一个文件打印即可。
需要 Python 和 PyPDF2 。Python安装可在官网找到;PyPDF2可以通过pip安装,可以利用命令行工具输入一下命令
将需要合并的文件与本文后面的Python脚本放在同一目录下,运行脚本得到 Merged.pdf 即为合并的pdf文件。
如果需要按照一定顺序合并pdf文件,可以将pdf文件重命名,按顺序将文件重命名为 1.pdf 、 2.pdf 以此类推。
如果需要将某一pdf文件在合并文件中重复多次,可以将该文件直接在当前目录下拷贝成多个副本。
用python批量提取pdf的表格数据,保存为excel
pdfplumber 是一个开源 python 工具库-,可以方便地获取 pdf 的各种信息,包括文本、表格、图表、尺寸等。完成我们本文的需求,主要使用 pdfplumber 提取 pdf 表格数据。
python 中还有很多库可以处理 pdf,比如 PyPDF2、pdfminer 等,本文选择pdfplumber 的原因在于能轻松访问有关 PDF 的所有详细信息,包括作者、来源、日期等,并且用于提取文本和表格的方法灵活可定制。大家可以根据手头数据需求,再去解锁 pdfplumber 的更多用法。
Python利器:如何处理PDF表格数据
大家好,我是Peter~
在很多情况下,我们都需要处理PDF格式的文件。尤其当我们遇到PDF表格数据需要进行提取,真的是一个令人头疼的问题。
因为PDF文件不能像Word那样直接复制,即使复制了再黏贴也可能会出现格式排版错乱甚至乱码问题。如何从一个PDF文件提取出表格数据?本文提供两个解决方案:
首先提供的一种方法是从文字 PDF 中提取表格信息的工具:Camelot,它能够直接将大部分表格转换为 Pandas 的 Dataframe。
更多的详细信息,请参考项目地址:
camelot的安装有多种方式。如果有报错,网上一般有解决方式:
1、通过conda安装
2、使用pip进行安装
3、通过GitHub进行安装
首先将项目复制到本地:
然后进入文件中进行安装:
下面通过一个案例来讲解如何使用camelot。假设我们现在有一个只有一页的PDF文件test.pdf:
1、先读取文件
导出成csv格式的数据(方式1)
查看tables的相关信息:
导出方式2:
将数据转换成DataFrame:
tabula的功能比camelot更加强大,可以同时对多个表格数据进行提取。项目的具体地址请参考:
tabula的安装是非常简单的:
安装之后检验这个库是否安装成功:
通过tabula这个库来读取PDF文件:
然后我们发现列表中唯一的一个元素就是dataframe:
将读取到的数据输出成CSV格式的文件:
上面读取的PDF文件是比较简单的,只有一页,而且刚好是一个很标准的表格形式的数据,下面看一个比较复杂的例子:
下面是第一页,第一列可以看成是索引:
在第二页中有两份表格,而且中间有很多的空白行:
第三页的数据比较标准:
这3页是在同一个PDF文件中,这3页是在同一个PDF文件中,这3页是在同一个PDF文件中
上面的红色提示中我们看到:当没有指定pages参数的时候,只会默认读取第一页的数据,所以列表的长度为1。
转成dataframe后将原来的索引变成新的一列 (部分数据)
通过pages来读取全部数据:
通过指定pages="all":
同时获取两个表格的数据:
通过area参数来指定:
删除在读取的表格中我们不需要的字段信息
可以将得到的数据输出成不同格式的文件,以json格式为例:
我们可以看到
如何用python把pdf转为cad?
1.准备一款专业的CAD转换器,如果你的电脑里有可以直接打开。
2.打开运行软件,在软件界面的左侧我们找到“PDF转CAD”功能。
3.选择好了转换类型,接下来就是添加文件,添加文件有两个方法,一个是点击界面中的“添加文件”,一个是直接把你的文件拖到软件的指定区域;
4.文件添加好后,要是需要自定义选择转换后文件储存的位置选择“浏览”按钮,选择好储存位置便可。
5.转换界面可以进行转换后文件格式的选择,有“DWG、DXF”两种格式进行选择,可以根据自己的需求选择输出格式。
6.击“批量转换”按钮开始文件的转换,当所有的文件转换状态为百分百的时候就说明文件转换完成了。
python将pdf转图片
方法1:打开pdf文件,选择菜单命令“文件” → “另存为” ,弹出另存为对话框,选择保存类型为“jpg”,保存即可;
方法2:打开pdf文档,选择命令 “另存为其它” → “图像” → “JPEG或JPEG2000”;
方法3:打开pdf文档,选择“编辑”菜单下的“拍快照”(注:选中后,在拍快照前面会有个√显示),同时鼠标变成十字光标,此时拖动鼠标框选你要变换的区域,松开鼠标,弹出确认对话框,点击确认,此时框选的部分已经保存到剪贴板,然后打开系统自带的画图工具,粘贴后保存为jpg文档。方法不适合图片过多的情况,不建议使用!
方法4:试试在线PDF转图片共有以下几个步骤:
• 点击浏览按钮选择需要转换的PDF文件。
输入需要转换的页码,以逗号分割开,如果转换所有的页面可以跳过这一步。
• 点击按钮上传文件,然后等着就可以了。
• 点击下载链接把做好的文件下载到本地就可以了。仅适合低于2MB的文件转换!
方法5:借助pdf转换器。选中pdf转图片功能,然后右下角选择“上传文件或文件夹”,即可一键开始转换,此外还支持转word、excel、ppt等格式。
利用python去除pdf水印
去水印只针对pdf
通过给与的水印图,找出相似水印并去除
本文参考资料:
Python操作PDF-文本和图片提取(使用PyPDF2和PyMuPDF)
Python处理PDF的实用姿势
使用PyPDF2在PDF上去除水印