Python实现PDF—＞Excel的自动批量转换（附完整代码）

Python实现PDF—>Excel的自动批量转换（附完整代码）

话不多说，先看效果！

需要转换的PDF：

转换后的Excel：

01、底层原理

PDF 到 Excel 的转换涉及不同文件格式之间的数据提取和重构。底层原理可以简单概括为以下几个步骤：

1. PDF 文本提取： 首先，使用 Python 中的库（例如 PyPDF2、pdfplumber 或 PyMuPDF）来提取 PDF 文档中的文本内容。PDF 中的文本可以是可选的，有时可能是图像或矢量图形。

2. 文本处理和解析： 提取的文本可能包含大量无关紧要的信息。在这一步，需要对文本进行处理和解析，以获取有用的信息。这可能涉及到正则表达式、文本分析或其他处理技术，具体取决于 PDF 的结构和内容。

3. 数据结构化： 将提取的文本数据结构化为表格或类似的数据结构。这通常涉及到将文本转换为适当的数据类型（例如字符串、数字等）并组织成表格形式。

4. Excel 创建和写入： 使用 Python 中的 pandas 或 openpyxl 等库，将结构化的数据写入 Excel 文件。这涉及到创建 Excel 工作簿、工作表，并将提取的数据逐行或逐列写入。

5. 格式调整： 对生成的 Excel 文件进行格式调整，以确保数据的呈现方式符合期望。这可能包括设置列宽、行高，应用样式，或者执行其他格式化操作。

6. 保存文件： 最后，保存生成的 Excel 文件。这可以通过库中提供的保存功能完成，确保生成的文件保存在指定的路径。

需要注意的是!!!

PDF 到 Excel 的转换过程可能会受到 PDF 文档的复杂性和结构的影响。一些 PDF 文件可能包含图像或表格，这可能需要额外的处理步骤，例如图像识别或表格提取技术。因此，实际的转换过程可能需要根据具体的 PDF 文件结构进行调整。

02、代码实现

import os
import pdf2docx
import docx
from openpyxl import Workbook
from tkinter import Tk, filedialog

def convert_pdf_to_excel(pdf_path, excel_path):
    # 将PDF文件转换为Word文件
    docx_path = 'temp.docx'
    pdf2docx.parse(pdf_path, docx_path)

    # 打开Word文件
    doc = docx.Document(docx_path)

    # 创建Excel文件
    wb = Workbook()
    ws = wb.active

    # 遍历Word文档中的所有表格
    for table in doc.tables:
        # 复制表格到Excel中
        for row in table.rows:
            ws.append([cell.text for cell in row.cells])

    # 保存Excel文件
    wb.save(excel_path)

def convert_folder_to_excel(folder_path):
    # 获取文件夹中的所有文件
    files = os.listdir(folder_path)

    # 遍历文件夹中的所有文件
    for file in files:
        # 判断文件是否为PDF文件
        if file.lower().endswith('.pdf'):
            # 构造PDF文件的路径
            pdf_path = os.path.join(folder_path, file)

            # 构造Excel文件的路径
            excel_path = os.path.splitext(pdf_path)[0] + '.xlsx'

            # 调用函数将PDF文件转换为Excel文件
            convert_pdf_to_excel(pdf_path, excel_path)

# 创建Tkinter根窗口
root = Tk()
root.withdraw()

# 使用文件夹选择对话框选择文件夹
folder_path = filedialog.askdirectory()

# 调用函数将选择的文件夹中的所有PDF文件转换为Excel格式
convert_folder_to_excel(folder_path)

运行效果如下：

​ 运行上述代码后，弹出运行框，访问本地路径，选择指定文件夹（包含你要转换的PDF文件），并修改代码中的保存路径，即可将选择文件夹下的PDF文件全部转换为Excel文件，效果如本文开头所示！本次文件夹选择框使用tkinter库实现。

tkinter 是 Python 中用于创建图形用户界面 (GUI) 的标准库之一。它提供了一组用于创建窗口、按钮、文本框等 GUI 元素的工具，使开发者能够轻松构建用户友好的应用程序。以下是对 tkinter 的介绍以及与其他同类型库比较的优劣性：

03、tkinter 的特点：

1. 内置库： tkinter 是 Python 的标准库之一，无需额外安装。它在大多数 Python 安装中都是默认包含的，因此开发者可以方便地使用而不用担心兼容性或依赖性问题。
2. 跨平台性： tkinter 提供了对不同操作系统的支持，包括 Windows、Linux 和 macOS。这意味着开发者可以使用相同的代码在不同平台上运行他们的 GUI 应用程序。
3. 简单易用： tkinter 的设计目标之一是简单易用。它的 API 相对来说较为直观，适合初学者入门。同时，对于一些简单的 GUI 应用，tkinter 提供了足够的功能。

与其他库的比较：

1. PyQt/PySide：
   • 优势： PyQt 和 PySide 是另外两个流行的 GUI 库，它们提供了更丰富和灵活的功能。它们支持现代的 UI 设计，具有更好的外观和交互效果。
   • 劣势： 相对于 tkinter，PyQt 和 PySide 的学习曲线可能更陡峭。此外，它们需要额外的安装步骤，不像 tkinter 那样内置于 Python。
2. Kivy：
   • 优势： Kivy 是一个专注于移动应用和多点触控的 GUI 库。它支持多种平台，包括 Windows、Linux、macOS 和 Android。
   • 劣势： 相比于 tkinter，Kivy 的文档和社区支持相对较少。它的主要重点是移动应用，可能不适合所有类型的 GUI 应用。
3. wxPython：
   • 优势： wxPython 提供了一个类似于 tkinter 的简单 API，但也支持更复杂的 GUI 需求。它的外观和感觉可以通过主题进行定制。
   • 劣势： 与 tkinter 相比，wxPython 的文档可能相对较少。而且，与 tkinter 一样，它也需要额外的安装步骤。

总结：

• tkinter 适用于简单的 GUI 应用，对于入门级开发者和小型项目而言是一个良好的选择。
• PyQt、PySide、Kivy 和 wxPython 适用于需要更丰富功能、更现代外观或跨平台移动应用的项目，但可能需要更多学习和配置。
  选择 GUI 库的最佳方法取决于项目的需求、开发者的经验水平以及对不同库的个人偏好。