以下是代码的详细说明：

1. 导入库:

• import pdfplumber: 导入pdfplumber库，用于提取PDF中的表格数据。

• import pandas as pd: 导入pandas库，并简称为pd，用于数据处理和保存为Excel文件。

• import logging: 导入logging库，用于记录日志信息。

2. 设置日志记录级别:

• logging.basicConfig(level=logging.INFO): 设置日志记录的级别为INFO，这意味着INFO级别及以上的日志信息将会被记录。

3. 定义PDF文件路径:

• pdf_path = 'leisure.pdf': 定义一个变量pdf_path，存储PDF文件的路径。

4. 打开和处理PDF文件:

• 使用try块来尝试执行接下来的代码，并捕获可能发生的任何异常。

5. 使用pdfplumber打开PDF文件:

• with pdfplumber.open(pdf_path) as pdf:: 使用with语句打开PDF文件，确保文件最后会被正确关闭。

6. 初始化DataFrame列表:

• all_dfs = []: 创建一个空列表all_dfs，用于存储从PDF中提取的每个表格的DataFrame。

7. 遍历PDF的每一页:

• for page in pdf.pages:: 遍历PDF文件中的每一页。

8. 提取页面中的所有表格:

• tables = page.extract_tables(): 调用extract_tables方法提取当前页面中的所有表格数据。

9. 处理每个表格:

• for table in tables:: 遍历当前页面中的每个表格。

• df = pd.DataFrame(table[1:], columns=table[0]): 将表格数据转换为DataFrame，其中第一行用作列标题，其余行作为数据。

10. 将DataFrame添加到列表:

• all_dfs.append(df): 将每个DataFrame添加到all_dfs列表中。

11. 合并所有表格的DataFrame:

• combined_df = pd.concat(all_dfs, ignore_index=True): 使用pd.concat合并所有表格的DataFrame，ignore_index=True重新索引。

12. 保存为Excel文件:

• excel_path = "table_from_page.xlsx": 定义Excel文件的保存路径。

• combined_df.to_excel(excel_path, index=False): 将合并后的DataFrame保存为Excel文件，index=False表示不保存行索引。

13. 记录成功信息:

• logging.info(...): 记录一条INFO级别的日志信息，表明表格数据已成功保存为Excel文件。

14. 异常处理:

• except Exception as e:: 捕获代码执行过程中的任何异常。

• logging.error(...): 如果发生异常，记录一条ERROR级别的日志信息，记录异常信息。

"""提取pdf的表格数据保存为Excel文件"""import pdfplumberimport pandas as pdimport logging
logging.basicConfig(level=logging.INFO)
# PDF文件路径pdf_path = 'leisure.pdf'
# 使用pdfplumber打开PDF文件try:    with pdfplumber.open(pdf_path) as pdf:        all_dfs = []  # 用于保存所有表格数据的DataFrame列表
        # 遍历PDF中的每一页        for page in pdf.pages:            # 提取当前页的所有表格数据            tables = page.extract_tables()
            for table in tables:                # 将表格数据转换为Pandas DataFrame                # 将表格的第一行用作列标题，其余行作为数据                df = pd.DataFrame(table[1:], columns=table[0])                all_dfs.append(df)
        # 合并所有表格数据到一个DataFrame        combined_df = pd.concat(all_dfs, ignore_index=True)
        # 保存为Excel文件        excel_path = "table_from_page.xlsx"        combined_df.to_excel(excel_path, index=False)
        logging.info(f"表格数据已保存为Excel文件：{excel_path}")
except Exception as e:    logging.error(f"处理PDF或保存Excel时发生错误：{str(e)}")

阅读原文：原文链接