Python读取pdf表格写⼊excel的⽅法
背景
今天突然想到之前被要求做同性质银⾏的数据分析。妈耶！⼗⼏个银⾏，每个银⾏近5年的财务数据，⽽且财务报表⼀般都是 pdf 的，我们将 pdf 中表的数据⼀个个的拷贝到 excel 中，再借助 excel 去进
⾏求和求平均等聚合函数操作，完事了还得把求出来的结果再统⼀ CV 到另⼀张表中，进⾏可视化分析…
当然，那时风流倜傥的⽼Amy 还熟练的玩转着 excel ，也是个秀⼉~ 今天就思索着，如果当年我会 Python 是不是可以让我成为班级最靓的崽！⽤技术占领⾼地，HHH，所以今天我来了，希望可以帮助
⼤家解决同性质的问题。
开始学习叭
避免CV⼤法
步骤：
导⼊ pdfplumber 库
通过 pdfplumber.open() 函数获取 mt2018.pdf ⽂件对象
通过该对象.pages 获取 pdf 每页的对象，截取我们需要的页对象即可
通过页对象.extract_tables() 获取表格数据（若需要获取⽂本：页对象.extract_text()）
代码实现：
import pdfplumber
# 获取 pdf ⽂件对象
pdf_mt = pdfplumber.open("mt2018.pdf")
# 因为我需要获取的资产负债表在 51-53页但是索引从0开始所以切⽚取 50-52即可
for pdf_pg in pdf_mt.pages[50:53]:
# 只提取当前页表格数据
print(act_tables())
--------------------------------------------------------------------------
结果⽐较多，截取⼀部分：
[[['项⽬', '附注', '期末余额', '期初余额'], ['流动资产：', '', '', ''], ['货币资⾦', '1', '112,074,791,420.06', '87,868,869,913.34'], ['结算备付⾦', '', '', ''], ['拆出资⾦', '', '', ''], ['以公允价值计量且其变动计⼊当\n期损益的⾦融资产', '', '', ''], ['衍⽣⾦融资产', '', '', ''], ['应收票据及应收账将完整表保存到 csv ⽂件中
我们发现，返回的数据集是⼀个三维的列表。那么在我们平时处理的 excel 表格数据(⾏与列)都是⼆维的数据。那么，这多出的⼀维是什么呢？其实就是我们的夜[页]~ 再来⼀个循环取出⼆维数据进⾏保
存即可
for pdf_pg in pdf_mt.pages[50:53]:
for pdf_tb in act_tables():
print(pdf_tb)
-
-----------------------------------------------------------------------------
结果⽐较多，截取⼀部分：
[['项⽬', '附注', '期末余额', '期初余额'], ['流动资产：', '', '', ''], ['货币资⾦', '1', '112,074,791,420.06', '87,868,869,913.34'], ['结算备付⾦', '', '', ''], ['拆出资⾦', '', '', ''], ['以公允价值计量且其变动计⼊当\n期损益的⾦融资产', '', '', ''], ['衍⽣⾦融资产', '', '', ''], ['应收票据及应收账款但是，真的那么简单吗？这时，我们就需要细品我们的 pdf 了，如下图
我们发现，⼀张完整的资产负债表分布在多页上。也就是说，每⼀页的⾥⾯的表格数据都是⼀个三维的列表，所以我们保存数据的时候，需要让其有共同的表头(列索引)，并且进⾏拼接。
那必须就要强推我们的 pandas 了，pandas.DataFrame() ⾮常完美的创建表格式的⼆维数组，以及指定列索引(表头)。包括可以直接使⽤ df.append() 进⾏共同表头数据的堆叠拼接。
import pdfplumber
import pandas as pd
import numpy as np
# 创建仅有表头的 dataframe 数组
pdf_df = pd.DataFrame(columns=['项⽬', '附注', '期末余额', '期初余额'])
# 获取 pdf ⽂件对象
pdf_mt = pdfplumber.open("mt2018.pdf")
python怎么读入excel# 因为我需要获取的资产负债表在 51-53页但是索引从0开始所以切⽚取 50-52即可
for pdf_pg in pdf_mt.pages[50:53]:
# 获取⼆维列表
for pdf_tb in act_tables():
# 将其拼接
pdf_df = pdf_df.append(pd.DataFrame(np.array(pdf_tb),columns=['项⽬', '附注', '期末余额', '期初余额']))
# 显⽰后五条
pdf_df.tail()
dataframe数据输出如下：
pdf 53页如下：
实际上，⼤家也发现，我们获取的最后⼀页的数据还有⼀部分是另⼀个表的，所以我们需要将其去除，并且有序的设置⾏索引，再保存到 csv ⽂件中。
# 去除后三⾏
pdf_df = pdf_df.iloc[:-3,:]
# 重置索引
pdf_df = set_index(drop=True)
# 保存到 csv ⽂件中
_csv("mt_2018.csv")
当然，今天就到这⾥，其它的需求我们下次给⼤家完善。⼤家也可以⾃⼰将代码封装成函数，这样就可以实现传⼊ pdf⽂件名称、页数以及保存的⽂件名来复⽤代码。如果⼤家再掌握了 pandas 就可以根
据⾃⼰的需求，对各个表格数据进⾏处理。再结合 seaborn 绘图可视化，完爆 excel ~ 快学习起来叭，GOGOGO
以上就是Python读取pdf表格写⼊excel的⽅法的详细内容，更多关于Python读取pdf表格写⼊excel的资料请关注其它相关⽂章！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。