大家在日常的工作和學習過程中，都少不了與PDF文件打交道，很多的小伙伴都面臨著將PDF文件中的文字、圖片和表格數據提取出來的問題。能夠對PDF文件中的文字、表格等數據進行編輯，網上現存的PDF提取的軟件都需要付費操作！

小編今天就利用百行的python程序，來提取PDF文件中的文字、圖片和表格數據。一起來看看吧。

01.程序執行效果

python庫版本介紹

本次程序涉及到多個python第三方庫與python3的內置庫，而且不同的python庫版本對于程序的兼容性不一致，因此我們首先來介紹一下使用到的python第三方庫版本。

• PySimpleGUI 4.38.0

• pdfminer3k 1.3.4

• pdfplumber 0.5.27

• fitz 0.0.1.dev2

• pandas 1.1.3

02.程序講解

看過視頻之后，接下來就進行程序的展示，程序的展示主要分為以下的四個方面，分別是：

• PDF提取文字

• PDF提取圖片

• PDF提取表格

• 交互界面的制作

03.PDF提取文字

PDF中文字是只允許我們進行只讀，但是無法進行更改，所以我們要做的就是提取PDF中的文字信息，然后將提取到的文字寫入到word文件當中，讓我們能夠進行后續的改寫。對于文字的提取，我們利用的是pdfminer函數庫，其程序如下圖所示：

程序首先創建了PDFParser對象來進行PDF文檔的分析，PDFDocument對象來將資源對象處理成我們需要的格式，PDFResourceManager對象用來保存共享數據內容；

而PDFPageInterpreter則是用來處理頁面的內容。程序中通過for循環來針對PDF文件中的每一頁內容進行處理，對于每一頁的內容，通過layout來存儲頁面解析出來的各種對象；

包括文本，圖片等信息。但是小編發現，對于圖片的提取，pdfminer的效果很不好，所以后面針對于圖片的提取；

小編采用的fitz庫進行單獨的處理，取得很好的圖片提取效果。這里，我們先來看一下對于文本的處理結果。

我們的pdf是一個兩頁的pdf文檔，我們只讓程序去提取第一頁的文本，從上圖可以看出，程序完整的提取出第一頁的文本，沒有任何的錯誤。

04.PDF提取圖片

對于文字的提取處理完畢后，接下來我們就來看一下如何提取pdf中的圖片，并將其保存到本地。對于圖片的提取，程序如下圖所示：

上述的程序中，利用fitz庫來提取PDF文檔中的對象，然后通過字符串匹配來判斷對象是不是圖片類型，如果不是的話，我們直接進行跳過即可。如果判斷對象是圖片類型的話，我們邊可以通過創建PixMap對象來提取圖片，并保存到我們指定的路徑下即可。結果如下圖所示：

上圖可以看出，程序正確的將圖片進行了提取，從而達到了我們的圖片提取的目的，可以在短短的幾秒內完成pdf文檔的所有圖片的提取。

05.PDF提取表格

對于PDF中表格的提取，利用的是pdfplumber庫，程序如下圖所示：

程序中，通過pdfplumber庫讀取PDF文件，針對于文件中的每一頁，提取表格數據，然后通過pandas將表格數據保存到根目錄下的tables文件夾中，結果如下圖所示。

通過結果的展示，可以看出，對于PDF中的表格數據，程序能夠做到較為準確的提取。

06.交互界面的制作

交互界面的制作，程序利用的是PySimpleGUI庫進行處理，其部分程序如下圖所示。

PySimpleGUI庫集合了tkinter，wxpython、PyQt等GUI庫的優勢，其最重要的特點是用簡單少量的代碼就可以制作出精美的界面。程序執行的可視化界面如下圖所示。

07.軟件打包

為了方便大家的使用，小編將程序打包為exe文件，需要注意的是，為了減少大家對于exe文件執行時的報錯，需要在win10(64bit)的環境下進行運行。大家可以下載exe文件，直接進行pdf文件內容的提取。

如何獲取源碼：

①3000多本Python電子書有 ②Python開發環境安裝教程有 ③Python400集自學視頻有 ④軟件開發常用詞匯有 ⑤Python學習路線圖有 ⑥項目源碼案例分享有 如果你用得到的話可以直接拿走，在我的QQ技術交流群里群號：754370353（純技術交流和資源共享，廣告勿入）以自助拿走?點擊這里 領取

總結

以上是生活随笔為你收集整理的再见PDF提取收费！我用100行Python代码搞定！去你的收费！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。