浏阳做网站报价/站长之家站长工具综合查询
文章目录
- ⛳️ 实战场景
- ⛳️ Python PDF 实战编码
⛳️ 实战场景
Python 工程师在日常的工作中，经常会碰到解析和处理PDF文件的情况，实战中需求主要分为如下情况：
- 提取 PDF 中的文字
- 将 PDF 中每页转换为图片
- word 转换为PDF
- PDF生成，编辑，导入导出
- PDF在线渲染
除了最后一项需要前端配合以外，其余内容都可以直接在 python 端进行实现。
本次实战选择 pdfplumber 库进行学习，可以提前安装该库，不过有一点需要注意，该库主要用于读取 PDF 进行操作，写入和编辑无法实现，即本文学习一款专注于 PDF 内容提取的库。
> pip install pdfplumber -i https://pypi.tuna.tsinghua.edu.cn/simple
pdfplumber 库具备如下特点：
- 可以访问PDF对象中的任意元素详细信息；
- 可以提取文本和表格，而且用法简单；
- 集成了可视化调试。
⛳️ Python PDF 实战编码
下面可以编写 PDF 操作的基础代码。
import pdfplumberwith pdfplumber.open('./dddd.pdf') as pdf:for page in pdf.pages:print(page.extract_text())# 每页打印一分页分隔print('---------- 分页分隔 ----------')
导入 pdfplumber 模块之后，使用 pdfplumber.open('./dddd.pdf') 打开本地 pdf 文件，然后通过 pdf.pages 遍历所有页，在通过页对象的 .extract_text() 方法，提取文本信息。
pdfplumber.open() 方法的签名如下所示：
pdfplumber.open("文件名", password = "密码", laparams = { "line_overlap": 0.7 })
其中各参数描述如下：
file_name：文件名，必选参数；password：PDF的密码；laparams：布局参数。
除此之外，如果希望读取 PDF，还可以使用 load() 方法，该方法也会返回 pdfplumber.PDF 类的实例。
pdfplumber.PDF 对象实例，主要有两个重要属性：
.metadata：从PDF的Info中获取元数据键 /值对字典。 通常包括“ CreationDate”，“ ModDate”，“ Producer”等；.pages：包含pdfplumber.Page实例的列表，每一个实例代表PDF每一页的信息。
上文提及的 pdfplumber.Page 实例是 pdfplumber 的核心，后续对 PDF 的操作大量围绕该类的属性和方法实施，其重要属性如下所示：
page_number：页码顺序，第一页的序号是 1；witdh：宽度；height：高度；.objects/.chars/.lines/.rects/.curves/.figures/.images：获取PDF页中的重要数据。
核心方法如下所示：
extract_text()：提取页中的文本；extract_words()：提取所有单词及其相关信息；extract_tables()： 提取页面的表格。
extract_text()呈现结果
extract_words()呈现结果
extract_tables()呈现效果，由于 PDF 中无表格，所有每页得到的都是空！
📢📢📢📢📢📢
💗 你正在阅读 【梦想橡皮擦】 的博客
👍 阅读完毕，可以点点小手赞一下
🌻 发现错误，直接评论区中指正吧
📆 橡皮擦的第 716 篇原创博客
从订购之日起，案例5年内保证更新
- ⭐️ Python 爬虫 120，点击订购 ⭐️
- ⭐️ 爬虫100例教程，点击订购 ⭐️