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://github.com/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test.pdf：
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://github.com/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
Ⅱ python怎么转成pdf
方法一：使用虚拟打印机pdf factory即可，而且其他格式文件只要是能够打印，选择这个虚拟打印机，都可以做成PDF文件，很简单实用；
方法二：用其他虚拟打印机转成PDF文件。
方法三：使用专门的转换软件，把文件转成PDF文件。
Ⅲ 如何用python写虚拟打印机
1、虚拟打印机，顾名思义就是虚拟的打印机，它是一种软件，能模拟实现打印机的功能，打印文件。2、虚拟打印机同真实打印机一样，安装完毕，打开“控制面板”中的“打印机和传真”，会看到所安装的虚拟打印机，可以像使用一台打印机一样使用它们。鼠标双击将其打开，可以对其“打印首选项”和“属性”进行修改，从而设定是否共享、可使用时间、是否后台打印和优先级，以及纸张大小、版式安排等。它们同样能截获所有Windows程序的打印操作，或模拟打印效果，或完成某一特殊功能。3、有些软件自带虚拟打印机，有些则是专门的虚拟打印机，利用这些虚拟打印机，可以帮助我们完成很多特殊的任务。虚拟打印机的打印文件是以某种特定的格式保存在电脑上。例如，安装Acrobat会生成一个名为AdobePDF的虚拟打印机.而pdfFactoryPro也会生成同样类似的虚拟打印机。虚拟打印机的使用和物理打印机相似，只是打印的结果是，在硬盘上生成一个PDF文件。
Ⅳ 怎么用 Python 将 pdf，doc 等转换成 jpg
1.PDFFactory Pro虚拟打印机，安装后，在任何文档中，选择打印时，选择打印机为pdfFactoryPro，就能生成PDF文件，并可以进行安全设置。
2.SmartPrinter(Doc Pdf xls to pdf/tiff/bmp/jpg/png)一款大家非常熟悉的经典产品，专为转换文件而研发的高品质打印驱动，以运行稳定、转换速度快和图像质量高而着称，通过虚拟打印技术可以完美的将任意可打印文档转换成 PDF、TIFF、JPEG，BMP、PNG、EMF、GIF、TXT格式。
3.雪莹DocConvert虚拟打印转换。雪莹DocConvert是一款文档转化工具，它通过虚拟打印的技术将任何文档转化为PDF，JPG，BMP，TIFF，PCX，PNG等等文档格式。
4.EasyPrint(虚拟打印机) V2.1,本软件实现的功能是把指定文档打印到文件，成为标准的BMP位图，实现无纸打印的功能。主要应用在需要把一些文件打印后扫描再处理，或者一些需要打印效果的软件的插件。例如：把WORD文件打印到BMP文件，然后进行处理
Ⅳ 如何按顺序批量打印PDF\WORD\EXCEL格式的文件 混合打印500多个文件
有一批PDF文件，好几百个，每个只打印第2，3页，双面打印。
网上搜索一波，方案如下：
安装Ghostscript，GhostView,使用gsprint命令打印pdf文件。
gsprint命令参数说明：
"-dQUIET", 安静的意思，指代执行过程中尽可能少的输出日志等信息。(也可以简写为“-q”)
"-dNOSAFER", 通过命令行运行
"-dBATCH", 执行到最后一页后退出
"-dNOPAUSE", 每一页转换之间没有停顿
"-dNOPROMPT", 没有相关提示
"-dFirstPage=1", 从第几页开始
"-dLastPage=5", 到第几页结束
"-sDEVICE=pngalpha", 转换输出的文件类型装置，默认值为x11alpha
"-g720x1280", 图片像素(-gx)，一般不指定，使用默认输出
"-r300", 图片分辨率(即图片分辨率为300dpi)，默认值好像是72(未测试证实)
"-sOutputFile=/opt/shanhy/error1png/%d.png", 图片输出路径，使用%d或%ld输出页数
比如打印c.pdf第2，3页，命令如下
gsprint -dFirstPage=2 -dLastPage=3 c.pdf
大部分pdf只打印第2，第3页，双面打印，所以用python控制批量打印所有pdf的第二页，暂停，提示翻页，然后批量打印第三页。
完整代码如下
#-*- coding: utf-8 -*-
importosimporttimedefprint_pdf(pdf_file_name, page):"""静默打印pdf
:param pdf_file_name
:page 打印第几页
: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打开excel，然后找到指定工作簿对里面的内容打印成pdf
python读写excel 常用的俩个库：xlrd、xlwt
python 处理pdf 文件库：PyPDF2 （当然也有其他的库，用最简单的）
你的需求很简单，随便在网上找找这几个库的文档很容易处理你的逻辑