如何提取pdf中的数据将pdf转换成excel

如何将PDF转换成excel

用烁光PDF转换器转换

*** 作步骤：

1、首先在电脑上下载安装烁光PDF转换器这款软件，可进入官网ipdftoolcom下载最新版本2、打开烁光PDF转换器，点击主页面的PDF转文件功能进入。3、点击添加文件，把需要转换成excel的PDF文件添加到软件里，然后选择转换类型为PDF转excel，选择输出格式和输出目录，最后点击开始转换，接着等待PDF转excel转换完成就可以了

大家好，我是Peter~

在很多情况下，我们都需要处理PDF格式的文件。尤其当我们遇到PDF表格数据需要进行提取，真的是一个令人头疼的问题。

因为PDF文件不能像Word那样直接复制，即使复制了再黏贴也可能会出现格式排版错乱甚至乱码问题。如何从一个PDF文件提取出表格数据？本文提供两个解决方案：

首先提供的一种方法是从文字 PDF 中提取表格信息的工具：Camelot，它能够直接将大部分表格转换为 Pandas 的 Dataframe。

更多的详细信息，请参考项目地址： https://githubcom/camelot-dev/camelot

camelot的安装有多种方式。如果有报错，网上一般有解决方式：

1、通过conda安装

2、使用pip进行安装

3、通过GitHub进行安装

首先将项目复制到本地：

然后进入文件中进行安装：

下面通过一个案例来讲解如何使用camelot。假设我们现在有一个只有一页的PDF文件testpdf：

1、先读取文件

导出成csv格式的数据（方式1）

查看tables的相关信息：

导出方式2：

将数据转换成DataFrame：

tabula的功能比camelot更加强大，可以同时对多个表格数据进行提取。项目的具体地址请参考： https://githubcom/chezou/tabula-py

tabula的安装是非常简单的：

安装之后检验这个库是否安装成功：

通过tabula这个库来读取PDF文件：

然后我们发现列表中唯一的一个元素就是dataframe：

将读取到的数据输出成CSV格式的文件：

上面读取的PDF文件是比较简单的，只有一页，而且刚好是一个很标准的表格形式的数据，下面看一个比较复杂的例子：

下面是第一页，第一列可以看成是索引：

在第二页中有两份表格，而且中间有很多的空白行：

第三页的数据比较标准：

这3页是在同一个PDF文件中，这3页是在同一个PDF文件中，这3页是在同一个PDF文件中

上面的红色提示中我们看到：当没有指定pages参数的时候，只会默认读取第一页的数据，所以列表的长度为1。

转成dataframe后将原来的索引变成新的一列 （部分数据）

通过pages来读取全部数据：

通过指定pages="all"：

同时获取两个表格的数据：

通过area参数来指定：

删除在读取的表格中我们不需要的字段信息

可以将得到的数据输出成不同格式的文件，以json格式为例：

我们可以看到

在Excel中插入pdf文件 在桌面上新建一个需要插入pdf文件的excel文件并打开它。

在打开的窗口中点击“由文件创建”菜单选项，然后在打开的页面中点击“浏览按钮”。

在打开的窗口中找到要插入的pdf文件，点击“插入”按钮，然后将“显示为图标”前面的勾勾上，然后点击‘确定’按钮。

回到当前excel文件中就可以看到pdf文件插进来了。

怎么提取文档中的表格数据呢？如何将电子文档中的表格数据提取并生成Excel文档呢？下面就是具体的实现方法。

如果提取文档中的电子表格呢？通常我们可以借助相关PDf编辑器对表格数据进行编辑 *** 作。

如果想将PDF文档中的表格提取并生成Excel表格，可以借助相关转换工具来实现。在“文档转换”列表中点击“PDF转Excel”项。

待进入所示的“PDf转Excel”界面后，点击“添加文件”按钮，以便选择相应的文档进行转换。

在正式转换前，我们需要确保文档中包含相关二维Excel表格，同时对转换的相关参数进行设置，点击“开始转换”按钮。

当完成了转Excel *** 作后，我们就可以直接通过Excel程序打开此文档进行查看了。所示：

当打开经转换的Excel文档时，将显示所示的提示窗口，在此可以选择“是”以兼容模式查看文档。

添加spirepdfdll为引用，使用下面的代码即可提取pdf中所有表格数据到txt文档：

using SystemIO;

using SystemText;

using SpirePdf;

using SpirePdfUtilities;

namespace ExtractPdfTable

{

    class Program

    {

        static void Main(string[] args)

        {

            //Create a PdfDocument object

            PdfDocument doc = new PdfDocument();

            //Load the sample PDF file

            docLoadFromFile(@"C:\Users\Administrator\Desktop\Tablepdf");

            //Create a StringBuilder object

            StringBuilder builder = new StringBuilder();

            //Initialize an instance of PdfTableExtractor class

            PdfTableExtractor extractor = new PdfTableExtractor(doc);

            //Declare a PdfTable array 

            PdfTable[] tableList = null;

            int tableNum = 1;

            //Loop through the pages 

            for (int pageIndex = 0; pageIndex < docPagesCount; pageIndex++)

            {

                //Extract tables from a specific page

                tableList = extractorExtractTable(pageIndex);

                //Determine if the table list is null

                if (tableList != null && tableListLength > 0)

                {

                    //Loop through the table in the list

                    foreach (PdfTable table in tableList)

                    {

                        builderAppend("Table " + tableNum);

                        builderAppend("\r\n");

                        //Get row number and column number of a certain table

                        int row = tableGetRowCount();

                        int column = tableGetColumnCount();

                        //Loop though the row and colunm 

                        for (int i = 0; i < row; i++)

                        {

                            for (int j = 0; j < column; j++)

                            {

                                //Get text from the specific cell

                                string text = tableGetText(i, j);

                                //Add text to the string builder

                                builderAppend(text + " ");

                            }

                            builderAppend("\r\n");                    

                        }

                        builderAppend("\r\n");

                        tableNum += 1;

                    }

                }

            }

            //Write to a txt file

            FileWriteAllText("Tabletxt", builderToString());

        }

    }

}

这个微信自带直接保存即可。

打开收到的PDF文件的对话框，点击PDF文件。PDF文档页面显示出来会自动下载，如果没有自动下载，可以手工点击“下载”。。PDF文档下载完成后会显示文档内容，可以点击右上角三个点处，选择用其他应用打开。根据实际情况，可以选择用其他应用打开，也可以选择其他应用保存。

我是直接转换格式，将整个PDF文件转换为Word。首先打开在线speedpdf转换找到“PDF转Word”，其次上传PDF文件点击转换，最后进度结束就可以下载Word文档。但是最大文档不能超过3兆，它一天可以转换5次。如果文件不大，在线转换也能直接提取Word。希望我的回答能帮到你。