python读取pdf内容写入到Excel表格中

2024-09-08 04:20

本文主要是介绍python读取pdf内容写入到Excel表格中,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

要从每个 PDF 文件中提取全文内容,并将这些内容粘贴到一个新的或现有的表格中,你可以使用 Python 的库来完成这一任务。以下是一个简化的步骤和示例代码,展示如何实现这个过程。

步骤概述

  1. 读取文件夹中的所有 PDF 文件
  2. 提取每个 PDF 文件的全文内容
  3. 创建一个新的 Excel 表格使用现有的表格
  4. 将提取的内容粘贴到表格中,每个 PDF 的内容放在一个垂直单元格中。
  5. 保存表格文件

所需库

  • PyMuPDF(用于提取 PDF 内容)
  • pandas(用于处理和保存表格数据)
  • openpyxl(用于创建和修改 Excel 文件)

示例代码

import fitz  # PyMuPDF
import pandas as pd
import osdef extract_text_from_pdf(pdf_path):"""从 PDF 文件中提取文本"""text = ""pdf_document = fitz.open(pdf_path)for page_num in range(pdf_document.page_count):page = pdf_document.load_page(page_num)text += page.get_text()pdf_document.close()return textdef process_pdfs_to_excel(pdf_folder, excel_path):"""将 PDF 文件夹中的文本提取到 Excel 表格中"""pdf_files = [f for f in os.listdir(pdf_folder) if f.lower().endswith('.pdf')]pdf_texts = []for pdf_file in pdf_files:pdf_path = os.path.join(pdf_folder, pdf_file)pdf_text = extract_text_from_pdf(pdf_path)pdf_texts.append(pdf_text)# 创建 DataFramedf = pd.DataFrame(pdf_texts, columns=["Content"])# 保存到 Exceldf.to_excel(excel_path, index=False)# 示例使用
pdf_folder = 'path/to/your/pdf/folder'
excel_path = 'path/to/your/output/excel_file.xlsx'
process_pdfs_to_excel(pdf_folder, excel_path)

代码解释

  1. extract_text_from_pdf:从 PDF 文件中提取所有页面的文本。使用 PyMuPDF 库来打开和读取 PDF 文件的内容。
  2. process_pdfs_to_excel:遍历指定文件夹中的所有 PDF 文件,提取内容并将其存储在 pandas DataFrame 中。然后将 DataFrame 保存为 Excel 文件。
  3. pdf_folderexcel_path:分别是包含 PDF 文件的文件夹路径和输出的 Excel 文件路径。

注意事项

  • 确保安装所需的库。可以通过以下命令安装:
    pip install pymupdf pandas openpyxl
    
  • 根据实际需要,调整代码中 pdf_folderexcel_path 的路径。

总结

以上代码可以帮助你从 PDF 文件夹中提取内容并将其导出到一个 Excel 文件中,每个 PDF 的内容放在 Excel 文件的一列中,方便进一步处理和分析。

这篇关于python读取pdf内容写入到Excel表格中的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1147101

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚: