大家好，我是Peter~
在很多情況下，我們都需要處理PDF格式的文件。尤其當我們遇到PDF表格數據需要進行提取，真的是一個令人頭疼的問題。
因為PDF文件不能像Word那樣直接復制，即使復制了再黏貼也可能會出現格式排版錯亂甚至亂碼問題。如何從一個PDF文件提取出表格數據？本文提供兩個解決方案：
首先提供的一種方法是從文字 PDF 中提取表格信息的工具：Camelot，它能夠直接將大部分表格轉換為 Pandas 的 Dataframe。
更多的詳細信息，請參考項目地址： https://github.com/camelot-dev/camelot
camelot的安裝有多種方式。如果有報錯，網上一般有解決方式：
1、通過conda安裝
2、使用pip進行安裝
3、通過GitHub進行安裝
首先將項目復制到本地：
然後進入文件中進行安裝：
下面通過一個案例來講解如何使用camelot。假設我們現在有一個只有一頁的PDF文件test.pdf：
1、先讀取文件
導出成csv格式的數據（方式1）
查看tables的相關信息：
導出方式2：
將數據轉換成DataFrame：
tabula的功能比camelot更加強大，可以同時對多個表格數據進行提取。項目的具體地址請參考： https://github.com/chezou/tabula-py
tabula的安裝是非常簡單的：
安裝之後檢驗這個庫是否安裝成功：
通過tabula這個庫來讀取PDF文件：
然後我們發現列表中唯一的一個元素就是dataframe：
將讀取到的數據輸出成CSV格式的文件：
上面讀取的PDF文件是比較簡單的，只有一頁，而且剛好是一個很標準的表格形式的數據，下面看一個比較復雜的例子：
下面是第一頁，第一列可以看成是索引：
在第二頁中有兩份表格，而且中間有很多的空白行：
第三頁的數據比較標准：
這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中，這3頁是在同一個PDF文件中
上面的紅色提示中我們看到：當沒有指定pages參數的時候，只會默認讀取第一頁的數據，所以列表的長度為1。
轉成dataframe後將原來的索引變成新的一列 （部分數據）
通過pages來讀取全部數據：
通過指定pages="all"：
同時獲取兩個表格的數據：
通過area參數來指定：
刪除在讀取的表格中我們不需要的欄位信息
可以將得到的數據輸出成不同格式的文件，以json格式為例：
我們可以看到
Ⅱ python怎麼轉成pdf
方法一：使用虛擬列印機pdf factory即可，而且其他格式文件只要是能夠列印，選擇這個虛擬列印機，都可以做成PDF文件，很簡單實用；
方法二：用其他虛擬列印機轉成PDF文件。
方法三：使用專門的轉換軟體，把文件轉成PDF文件。
Ⅲ 如何用python寫虛擬列印機
1、虛擬列印機，顧名思義就是虛擬的列印機，它是一種軟體，能模擬實現列印機的功能，列印文件。2、虛擬列印機同真實列印機一樣，安裝完畢，打開「控制面板」中的「列印機和傳真」，會看到所安裝的虛擬列印機，可以像使用一台列印機一樣使用它們。滑鼠雙擊將其打開，可以對其「列印首選項」和「屬性」進行修改，從而設定是否共享、可使用時間、是否後台列印和優先順序，以及紙張大小、版式安排等。它們同樣能截獲所有Windows程序的列印操作，或模擬列印效果，或完成某一特殊功能。3、有些軟體自帶虛擬列印機，有些則是專門的虛擬列印機，利用這些虛擬列印機，可以幫助我們完成很多特殊的任務。虛擬列印機的列印文件是以某種特定的格式保存在電腦上。例如，安裝Acrobat會生成一個名為AdobePDF的虛擬列印機.而pdfFactoryPro也會生成同樣類似的虛擬列印機。虛擬列印機的使用和物理列印機相似，只是列印的結果是，在硬碟上生成一個PDF文件。
Ⅳ 怎麼用 Python 將 pdf，doc 等轉換成 jpg
1.PDFFactory Pro虛擬列印機，安裝後，在任何文檔中，選擇列印時，選擇列印機為pdfFactoryPro，就能生成PDF文件，並可以進行安全設置。
2.SmartPrinter(Doc Pdf xls to pdf/tiff/bmp/jpg/png)一款大家非常熟悉的經典產品，專為轉換文件而研發的高品質列印驅動，以運行穩定、轉換速度快和圖像質量高而著稱，通過虛擬列印技術可以完美的將任意可列印文檔轉換成 PDF、TIFF、JPEG，BMP、PNG、EMF、GIF、TXT格式。
3.雪瑩DocConvert虛擬列印轉換。雪瑩DocConvert是一款文檔轉化工具，它通過虛擬列印的技術將任何文檔轉化為PDF，JPG，BMP，TIFF，PCX，PNG等等文檔格式。
4.EasyPrint(虛擬列印機) V2.1,本軟體實現的功能是把指定文檔列印到文件，成為標準的BMP點陣圖，實現無紙列印的功能。主要應用在需要把一些文件列印後掃描再處理，或者一些需要列印效果的軟體的插件。例如：把WORD文件列印到BMP文件，然後進行處理
Ⅳ 如何按順序批量列印PDF\WORD\EXCEL格式的文件 混合列印500多個文件
有一批PDF文件，好幾百個，每個只列印第2，3頁，雙面列印。
網上搜索一波，方案如下：
安裝Ghostscript，GhostView,使用gsprint命令列印pdf文件。
gsprint命令參數說明：
"-dQUIET", 安靜的意思，指代執行過程中盡可能少的輸出日誌等信息。(也可以簡寫為「-q」)
"-dNOSAFER", 通過命令行運行
"-dBATCH", 執行到最後一頁後退出
"-dNOPAUSE", 每一頁轉換之間沒有停頓
"-dNOPROMPT", 沒有相關提示
"-dFirstPage=1", 從第幾頁開始
"-dLastPage=5", 到第幾頁結束
"-sDEVICE=pngalpha", 轉換輸出的文件類型裝置，默認值為x11alpha
"-g720x1280", 圖片像素(-gx)，一般不指定，使用默認輸出
"-r300", 圖片解析度(即圖片解析度為300dpi)，默認值好像是72(未測試證實)
"-sOutputFile=/opt/shanhy/error1png/%d.png", 圖片輸出路徑，使用%d或%ld輸出頁數
比如列印c.pdf第2，3頁，命令如下
gsprint -dFirstPage=2 -dLastPage=3 c.pdf
大部分pdf只列印第2，第3頁，雙面列印，所以用python控制批量列印所有pdf的第二頁，暫停，提示翻頁，然後批量列印第三頁。
完整代碼如下
#-*- coding: utf-8 -*-
importosimporttimedefprint_pdf(pdf_file_name, page):"""靜默列印pdf
:param pdf_file_name
:page 列印第幾頁
:return:"""cmd= 'gsprint -dFirstPage=%s -dLastPage=%s %s' %(page, page, pdf_file_name)print(cmd)
p=os.popen(cmd)
time.sleep(3)print(p.read())if __name__ == '__main__':
curr_path=os.getcwd()
fl=os.listdir(curr_path)for i in range(2,4):print(i)for f infl:if 'pdf' inf.lower():
print_pdf(f, i)
Ⅵ 如何用python打開excel，然後找到指定工作簿對裡面的內容列印成pdf
python讀寫excel 常用的倆個庫：xlrd、xlwt
python 處理pdf 文件庫：PyPDF2 （當然也有其他的庫，用最簡單的）
你的需求很簡單，隨便在網上找找這幾個庫的文檔很容易處理你的邏輯