pdf如何提取表格？-编程阁

pdfplumber是专门用来处理PDF的第三方库，完全开源和免费，它最核心的功能是提取PDF的文本和表格，支持保留段落、换行、空格的原始格式，不会像某些库那样把不同区域的文本混在一起，是我体验下来最好用的PDF处理库。

pdfplumber可以对PDF进行基本查询和编辑。

page_number：页码
width/height：页面尺寸
rotation：旋转角度
bbox：页面边界框
crop(bbox)：裁剪指定区域
rotate(angle)：旋转页面
to_image()：生成可视化页面

同时支持提取PDF文本和表格，这是pdfplumber的强项。

extract_text()：保留布局的整页文本提取
extract_text_simple()：忽略布局的简单文本提取
get_textbox(bbox)：提取指定区域文本
extract_table(table_settings={})：提取页面第一个表格
extract_tables(table_settings={})：提取页面所有表格
find_tables()：查找表格边界框
extract_images()：提取页面所有图像

pdfplumber使用也很简单，比如说提取PDF页面。

import pdfplumber with pdfplumber.open("path/to/file.pdf") as pdf: first_page = pdf.pages[0] print(first_page.chars[0])

虽然在Python上使用pdfplumber提取PDF文本表格并不难，但这仅限于懂Python的同学，如果你不会Python，那也是没办法用pdfplumber操作PDF，只能求助于付费软件。

我突发奇想用pdfplumber搭建了个PDF文本表格提取应用，可以实现拖拉拽实现操作，不需要任何的代码。

这个应用是基于streamlit开发的，在浏览器上打开使用，它支持的PDF操作包括：

1、支持拖拽导入PDF，并查看PDF基本信息

2、支持提取PDF文本、表格

3、支持导出Markdown、Word、TxT、Json格式文件

4、支持拉取所有表格，并导出Excel格式文件

5、支持将PDF转换为Word文件，并保持样式

6、支持DeepSeek生成PDF文本摘要

下面以一份PDF行业报告为例，咱们用这个工具去提取文本和表格，速度非常快。

首先将PDF拖到打开栏里，点击处理PDF。

它就会将完整的文本提取出来，并显示PDF的基本信息。

点击表格功能，这个PDF所有的表格都会单独呈现出来，并可以下载Excel文件。

下载的Excel包含所有PDF表格，且高度还原格式。

你可以将提取的文本导出为Word、Markdown、txt、Json格式文件。

导出的Markdown文件如下：

还可以直接将PDF原封不动转换为Word文件。

我还在这个应用里植入了DeepSeek总结功能可以提炼PDF摘要。

以上就是这个web应用的功能，应该是比较适合日常办公处理PDF。

如何安装这个应用呢？

因为它是基于Python streamlit开发的，所以会有一些依赖库，在使用前需要安装到本地电脑，包括：

# Core PDF processing pdfplumber==0.11.0 PyPDF2==3.0.1 pdf2docx==0.5.8 # AI API integration requests==2.31.0 openai==1.12.0 # Document generation python-docx==1.1.0 markdown==3.5.2 # Web framework streamlit==1.31.0 streamlit-extras==0.3.6 # Data processing pandas==2.2.0 numpy==1.26.4 openpyxl==3.1.2 # Async processing aiohttp==3.9.3 # Utilities python-dotenv==1.0.1 Pillow==10.2.0 tqdm==4.66.1 # Logging loguru==0.7.2

当然这里默认你的电脑上已经安装好Python，并配置好以上依赖，然后你就可以通过以下命令进入该应用。