批量提取PDF中表格内容

1 背景

从PDF文件获取表格中的数据，也是日常办公容易涉及到的一项工作。比如我们想获取某公司年报里面的表格数据，PDF动辄上百页的数据。

2 传统方法

一个一个从PDF表格中复制，然后粘贴到Excel表格中，效率太低了。

3 办公自动化

来看看我的方法，如何用 Python 解决的。使用pdfplumber读取PDF文件，自动提取每一页的表格，循环写入新的Excel文件中，思路跟传统方法一样，但是花费的时间呢？不要眨眼睛，我只需要按下运行按钮，一切的操作都自动运行起来了，所有的文件都自动生成了，命名都做好了，随机打开一两个查看一下，没有问题，都是准确的。

4 代码实现

## 导入工具包
import pdfplumber
import pandas as pd

## 读取 PDF 文件
p = pdfplumber.open("./贵州茅台2019年年报.pdf")

# 选好读取全部页面
for i in range(len(p.pages)):
    ## 读取一页中全部表格
    tables = p.pages[i].extract_tables()
    print(f'第{i+1}页一共有{len(tables)}个表格') 
    for j in range(len(tables)):
        ## 生成表格
        df = pd.DataFrame(tables[j])
        ## 写入 Excel 文件
        df.to_excel(f'./贵州茅台2019年年报_第{i+1}页_第{j+1}张表.xlsx')

实现效果：