最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python把PDF表格完整轉(zhuǎn)換成Excel的小白教程

 更新時(shí)間:2026年04月26日 15:50:43   作者:CoderJoon  
本文通過(guò)一個(gè)完整的Python示例,詳細(xì)介紹了如何將多頁(yè)P(yáng)DF表格轉(zhuǎn)換為Excel文件,文中包括整體思路、核心代碼解析、示例PDF模板及預(yù)期處理結(jié)果等內(nèi)容,旨在幫助用戶理解和掌握PDF表格處理技巧,需要的朋友可以參考下

很多同學(xué)第一次接觸 PDF 數(shù)據(jù)處理時(shí),都會(huì)遇到一個(gè)問(wèn)題:

PDF 里的表格能看,不能算,不能統(tǒng)計(jì)。

比如:

  • 招聘成績(jī)公示
  • 學(xué)校成績(jī)單
  • 名單匯總表

本文將通過(guò)一個(gè)完整可運(yùn)行的 Python 示例,一步一步教你:

如何把一個(gè)多頁(yè) PDF 表格,穩(wěn)定地轉(zhuǎn)換成 Excel 文件

一、整體思路先說(shuō)明(很重要)

在正式寫代碼前,你一定要明白一件事:

PDF ≠ Excel

  • Excel:天然是“行 + 列”
  • PDF:只是“排好版的頁(yè)面”

所以我們要做的是:

1. 從 PDF 中提取“表格結(jié)構(gòu)”
2. 把每一行數(shù)據(jù)收集起來(lái)
3. 修復(fù)列數(shù)不一致的問(wèn)題
4. 再導(dǎo)出為 Excel

二、完整代碼(先給結(jié)論)

下面是完整、可直接運(yùn)行的代碼,后面我會(huì)逐步拆解講解。

import pdfplumber
import pandas as pd
import os
def pdf_to_excel(pdf_path, excel_path):
    all_rows = []
    # 打開(kāi) PDF
    with pdfplumber.open(pdf_path) as pdf:
        print(f"PDF共有 {len(pdf.pages)} 頁(yè)")
        # 遍歷每一頁(yè)
        for page_num, page in enumerate(pdf.pages, start=1):
            print(f"正在處理第 {page_num} 頁(yè)...")
            tables = page.extract_tables()
            if not tables:
                continue
            for table in tables:
                for row in table:
                    # 跳過(guò)全空行
                    if row and any(cell and cell.strip() for cell in row if isinstance(cell, str)):
                        all_rows.append(row)
    if not all_rows:
        print(" 未提取到任何表格數(shù)據(jù)")
        return
    # 計(jì)算最大列數(shù)
    max_cols = max(len(row) for row in all_rows)
    print(f"檢測(cè)到最大列數(shù):{max_cols}")
    # 統(tǒng)一所有行的列數(shù)
    normalized_rows = []
    for row in all_rows:
        if len(row) < max_cols:
            row = row + [None] * (max_cols - len(row))
        elif len(row) > max_cols:
            row = row[:max_cols]
        normalized_rows.append(row)
    # 第一行作為表頭
    header = normalized_rows[0]
    data = normalized_rows[1:]
    # 去除重復(fù)表頭行
    clean_data = []
    for row in data:
        if row != header:
            clean_data.append(row)
    # 構(gòu)建 DataFrame
    df = pd.DataFrame(clean_data, columns=header)
    # 清理空行、空列
    df = df.dropna(how='all').dropna(axis=1, how='all')
    # 導(dǎo)出 Excel
    df.to_excel(excel_path, index=False, engine='openpyxl')
    print("\n 轉(zhuǎn)換完成")
    print(f"Excel 文件路徑:{excel_path}")
    print(f"數(shù)據(jù)行數(shù):{len(df)}")
    print(f"列數(shù):{len(df.columns)}")
    print("列名:", list(df.columns))
    print("\n前 5 行數(shù)據(jù)預(yù)覽:")
    print(df.head())
if __name__ == "__main__":
    pdf_file = "Example.pdf"
    excel_file = "Result.xlsx"
    if not os.path.exists(pdf_file):
        print(f"找不到 PDF 文件:{pdf_file}")
    else:
        pdf_to_excel(pdf_file, excel_file)

三、逐步解析代碼(小白重點(diǎn))

1、導(dǎo)入庫(kù)

import pdfplumber
import pandas as pd
import os

作用說(shuō)明:

庫(kù)作用
pdfplumber讀取 PDF、提取表格
pandas處理表格數(shù)據(jù)
os判斷文件是否存在

2、定義核心函數(shù)

def pdf_to_excel(pdf_path, excel_path):

這個(gè)函數(shù)只做一件事:

把一個(gè) PDF 表格文件,轉(zhuǎn)換成 Excel

3、收集所有表格行

all_rows = []

為什么要這樣做?

因?yàn)?PDF 是一頁(yè)一頁(yè)的,
但 Excel 是一個(gè)整體表格

4、打開(kāi) PDF 并逐頁(yè)處理

with pdfplumber.open(pdf_path) as pdf:
  • pdf.pages:PDF 的每一頁(yè)
  • extract_tables():提取當(dāng)前頁(yè)中的表格

5、跳過(guò)空行(非常關(guān)鍵)

if row and any(cell and cell.strip() for cell in row if isinstance(cell, str)):

作用:

  • 防止空行進(jìn)入 Excel
  • 防止生成一堆沒(méi)用的數(shù)據(jù)

6、為什么要“統(tǒng)一列數(shù)”(核心思想)

max_cols = max(len(row) for row in all_rows)

現(xiàn)實(shí)中的 PDF 表格:

  • 有的頁(yè) 8 列
  • 有的頁(yè) 9 列
  • 有的頁(yè) 10 列

如果不統(tǒng)一,pandas 會(huì)直接報(bào)錯(cuò)

所以我們要:

不足的補(bǔ) None,多的截?cái)?

7、第一行作為表頭

header = normalized_rows[0]

PDF 表格通常每一頁(yè)都有表頭,
我們只保留第一行作為最終列名。

8、去掉重復(fù)表頭行

if row != header:
    clean_data.append(row)

否則 Excel 會(huì)變成:

職位代碼 | 職位名稱 | ...
職位代碼 | 職位名稱 | ...
職位代碼 | 職位名稱 | ...

9、導(dǎo)出 Excel

df.to_excel(excel_path, index=False, engine='openpyxl')

這一步就是真正生成 Excel 文件。

四、示例 PDF 模板(示意)

假設(shè)你的 PDF 表格內(nèi)容長(zhǎng)這樣(每一頁(yè)類似):

職位代碼職位名稱準(zhǔn)考證號(hào)考場(chǎng)號(hào)座位號(hào)成績(jī)
00001A001A000102012178.25
00001A001A000101011182.50

五、預(yù)期 Excel 處理結(jié)果

最終生成的 Excel 表格應(yīng)為:

職位代碼職位名稱準(zhǔn)考證號(hào)考場(chǎng)號(hào)座位號(hào)成績(jī)
00001A001A000102012178.25
00001A001A000101011182.50

一人一行,可直接統(tǒng)計(jì)、排序、篩選

六、這個(gè)程序能做什么 / 不能做什么

能處理

  • 多頁(yè) PDF 表格
  • 列數(shù)不一致
  • 招聘、公示、成績(jī)類 PDF

不能處理

  • 掃描版 PDF(圖片)
  • 完全靠空格排版的“假表格”

七、總結(jié)一句話

PDF → Excel 的難點(diǎn)不在“讀取”,而在“結(jié)構(gòu)修復(fù)”。

這份代碼已經(jīng)解決了:

  • 多頁(yè)
  • 表頭重復(fù)
  • 列數(shù)不一致

以上就是Python把PDF表格完整轉(zhuǎn)換成Excel的小白教程的詳細(xì)內(nèi)容,更多關(guān)于Python PDF表格轉(zhuǎn)成Excel的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • python 實(shí)現(xiàn)交換兩個(gè)列表元素的位置示例

    python 實(shí)現(xiàn)交換兩個(gè)列表元素的位置示例

    今天小編就為大家分享一篇python 實(shí)現(xiàn)交換兩個(gè)列表元素的位置示例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-06-06
  • 使用Python繪制動(dòng)態(tài)愛(ài)心并表白的代碼詳解

    使用Python繪制動(dòng)態(tài)愛(ài)心并表白的代碼詳解

    在這個(gè)充滿浪漫的季節(jié),如何用代碼表達(dá)你的愛(ài)意呢?今天我們將使用 Python 的 matplotlib 和 numpy 庫(kù)繪制一個(gè)動(dòng)態(tài)的愛(ài)心,并且在愛(ài)心上添加表白的文字,這將是一個(gè)獨(dú)特而浪漫的方式來(lái)表達(dá)你的心聲,感興趣的小伙伴跟著小編來(lái)看看吧
    2025-04-04
  • python事件驅(qū)動(dòng)event實(shí)現(xiàn)詳解

    python事件驅(qū)動(dòng)event實(shí)現(xiàn)詳解

    這篇文章主要為大家詳細(xì)介紹了python事件驅(qū)動(dòng)event實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-11-11
  • LangChain簡(jiǎn)化ChatGPT工程復(fù)雜度使用詳解

    LangChain簡(jiǎn)化ChatGPT工程復(fù)雜度使用詳解

    這篇文章主要為大家介紹了LangChain簡(jiǎn)化ChatGPT工程復(fù)雜度使用詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-03-03
  • numpy 對(duì)矩陣中Nan的處理:采用平均值的方法

    numpy 對(duì)矩陣中Nan的處理:采用平均值的方法

    今天小編就為大家分享一篇numpy 對(duì)矩陣中Nan的處理:采用平均值的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-10-10
  • python中b=a和b=a[:]區(qū)別小結(jié)

    python中b=a和b=a[:]區(qū)別小結(jié)

    Python中b = a和b = a[:]有顯著區(qū)別,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2026-03-03
  • Python中函數(shù)參數(shù)匹配模型詳解

    Python中函數(shù)參數(shù)匹配模型詳解

    這篇文章主要介紹了Python函數(shù)參數(shù)匹配模型,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-06-06
  • Python利用字典和列表實(shí)現(xiàn)學(xué)生信息管理系統(tǒng)

    Python利用字典和列表實(shí)現(xiàn)學(xué)生信息管理系統(tǒng)

    這篇文章主要為大家詳細(xì)介紹了Python如何利用字典和列表實(shí)現(xiàn)一個(gè)簡(jiǎn)易的學(xué)生信息管理系統(tǒng),文中詳細(xì)注釋,方便理解,需要的可以參考一下
    2022-06-06
  • Mac PyCharm中的.gitignore 安裝設(shè)置教程

    Mac PyCharm中的.gitignore 安裝設(shè)置教程

    這篇文章主要介紹了Mac PyCharm中的.gitignore 安裝設(shè)置教程,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2020-04-04
  • 基于PyQt5完成的PDF拆分功能

    基于PyQt5完成的PDF拆分功能

    這篇文章主要介紹了基于PyQt5完成的PDF拆分功能,本文介紹的pdf拆分功能還有一些待完善地方,例如可增加預(yù)覽功能,實(shí)現(xiàn)每頁(yè)預(yù)覽,以及如何實(shí)現(xiàn)多條件拆分,需要的朋友可以參考下
    2022-06-06

最新評(píng)論

城步| 烟台市| 台北县| 临泉县| 轮台县| 济南市| 黄石市| 兴安县| 剑川县| 鄂托克旗| 星子县| 青河县| 蒙阴县| 渝北区| 镇远县| 定西市| 新竹市| 壶关县| 杭锦后旗| 灵璧县| 隆化县| 兴义市| 瑞丽市| 扶绥县| 奎屯市| 汝城县| 贺州市| 武陟县| 都江堰市| 九寨沟县| 连平县| 平果县| 德钦县| 保靖县| 周口市| 铜梁县| 开化县| 仙游县| 沧州市| 贵州省| 博爱县|