大家在日常的工作和学习过程中，都少不了与PDF文件打交道，很多的小伙伴都面临着将PDF文件中的文字、图片和表格数据提取出来的问题。能够对PDF文件中的文字、表格等数据进行编辑，网上现存的PDF提取的软件都需要付费操作！
小编今天就利用百行的python程序，来提取PDF文件中的文字、图片和表格数据。一起来看看吧。
python库版本介绍
本次程序涉及到多个python第三方库与python3的内置库，而且不同的python库版本对于程序的兼容性不一致，因此我们首先来介绍一下使用到的python第三方库版本。
PySimpleGUI 4.38.0
pdfminer3k 1.3.4
pdfplumber 0.5.27
fitz 0.0.1.dev2
pandas 1.1.3
看过视频之后，接下来就进行程序的展示，程序的展示主要分为以下的四个方面，分别是：
PDF提取文字
PDF提取图片
PDF提取表格
交互界面的制作
03.PDF提取文字
PDF中文字是只允许我们进行只读，但是无法进行更改，所以我们要做的就是提取PDF中的文字信息，然后将提取到的文字写入到word文件当中，让我们能够进行后续的改写。对于文字的提取，我们利用的是pdfminer函数库，其程序如下图所示：
程序首先创建了PDFParser对象来进行PDF文档的分析，PDFDocument对象来将资源对象处理成我们需要的格式，PDFResourceManager对象用来保存共享数据内容；
而PDFPageInterpreter则是用来处理页面的内容。程序中通过for循环来针对PDF文件中的每一页内容进行处理，对于每一页的内容，通过layout来存储页面解析出来的各种对象；
包括文本，图片等信息。但是小编发现，对于图片的提取，pdfminer的效果很不好，所以后面针对于图片的提取；
小编采用的fitz库进行单独的处理，取得很好的图片提取效果。这里，我们先来看一下对于文本的处理结果。
我们的pdf是一个两页的pdf文档，我们只让程序去提取第一页的文本，从上图可以看出，程序完整的提取出第一页的文本，没有任何的错误。
04.PDF提取图片
对于文字的提取处理完毕后，接下来我们就来看一下如何提取pdf中的图片，并将其保存到本地。对于图片的提取，程序如下图所示：
上述的程序中，利用fitz库来提取PDF文档中的对象，然后通过字符串匹配来判断对象是不是图片类型，如果不是的话，我们直接进行跳过即可。如果判断对象是图片类型的话，我们边可以通过创建PixMap对象来提取图片，并保存到我们指定的路径下即可。结果如下图所示：
上图可以看出，程序正确的将图片进行了提取，从而达到了我们的图片提取的目的，可以在短短的几秒内完成pdf文档的所有图片的提取。
05.PDF提取表格
对于PDF中表格的提取，利用的是pdfplumber库，程序如下图所示：
程序中，通过pdfplumber库读取PDF文件，针对于文件中的每一页，提取表格数据，然后通过pandas将表格数据保存到根目录下的tables文件夹中，结果如下图所示。
通过结果的展示，可以看出，对于PDF中的表格数据，程序能够做到较为准确的提取。
06.交互界面的制作
交互界面的制作，程序利用的是PySimpleGUI库进行处理，其部分程序如下图所示。
PySimpleGUI库集合了tkinter，wxpython、PyQt等GUI库的优势，其最重要的特点是用简单少量的代码就可以制作出精美的界面。程序执行的可视化界面如下图所示。
为了方便大家的使用，小编将程序打包为exe文件，需要注意的是，为了减少大家对于exe文件执行时的报错，需要在win10(64bit)的环境下进行运行。大家可以下载exe文件，直接进行pdf文件内容的提取。
如何获取源码：
①3000多本Python电子书有 ②Python开发环境安装教程有 ③Python400集自学视频有 ④软件开发常用词汇有 ⑤Python学习路线图有 ⑥项目源码案例分享有 如果你用得到的话可以直接拿走，在我的QQ技术交流群里群号：754370353（纯技术交流和资源共享，广告勿入）以自助拿走 点击这里 领取
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
如何在buildr项目中使用Ruby？我在很多不同的项目中使用过Ruby、JRuby、Java和Clojure。我目前正在使用我的标准Ruby开发一个模拟应用程序，我想尝试使用Clojure后端(我确实喜欢功能代码)以及JRubygui和测试套件。我还可以看到在未来的不同项目中使用Scala作为后端。我想我要为我的项目尝试一下buildr(http://buildr.apache.org/)，但我注意到buildr似乎没有设置为在项目中使用JRuby代码本身!这看起来有点傻，因为该工具旨在统一通用的JVM语言并且是在ruby中构建的。除了将输出的jar包含在一个独特的、仅限ruby
在rails源中:https://github.com/rails/rails/blob/master/activesupport/lib/active_support/lazy_load_hooks.rb可以看到以下内容@load_hooks=Hash.new{|h,k|h[k]=[]}在IRB中，它只是初始化一个空哈希。和做有什么区别@load_hooks=Hash.new 最佳答案 查看rubydocumentationforHashnew→new_hashclicktotogglesourcenew(obj)→new_has
我的主要目标是能够完全理解我正在使用的库/gem。我尝试在Github上从头到尾阅读源代码，但这真的很难。我认为更有趣、更温和的踏脚石就是在使用时阅读每个库/gem方法的源代码。例如，我想知道RubyonRails中的redirect_to方法是如何工作的:如何查找redirect_to方法的源代码？我知道在pry中我可以执行类似show-methodmethod的操作，但我如何才能对Rails框架中的方法执行此操作？您对我如何更好地理解Gem及其API有什么建议吗？仅仅阅读源代码似乎真的很难，尤其是对于框架。谢谢! 最佳答案 Ru
我的假设是moduleAmoduleBendend和moduleA::Bend是一样的。我能够从thisblog找到解决方案,thisSOthread和andthisSOthread.为什么以及什么时候应该更喜欢紧凑语法A::B而不是另一个，因为它显然有一个缺点？我有一种直觉，它可能与性能有关，因为在更多命名空间中查找常量需要更多计算。但是我无法通过对普通类进行基准测试来验证这一点。 最佳答案 这两种写作方法经常被混淆。首先要说的是，据我所知，没有可衡量的性能差异。(在下面的书面示例中不断查找)最明显的区别，可能也是最著名的，是你的
几个月前，我读了一篇关于rubygem的博客文章，它可以通过阅读代码本身来确定编程语言。对于我的生活，我不记得博客或gem的名称。谷歌搜索“ruby编程语言猜测”及其变体也无济于事。有人碰巧知道相关gem的名称吗？ 最佳答案 是这个吗:http://github.com/chrislo/sourceclassifier/tree/master 关于ruby-寻找通过阅读代码确定编程语言的rubygem？，我们在StackOverflow上找到一个类似的问题：
我需要一个表，其中行实际上是2行表，一个嵌套表是..我怎样才能在Prawn中做到这一点？也许我需要延期..但哪一个？ 最佳答案 现在支持子表:Prawn::Document.generate("subtable.pdf")do|pdf|subtable=pdf.make_table([["sub"],["table"]])pdf.table([[subtable,"original"]])end 关于ruby-on-rails-PrawnPDF:Ineedtogeneratenested
我目前正在使用以下方法获取页面的源代码:Net::HTTP.get(URI.parse(page.url))我还想获取HTTP状态，而无需发出第二个请求。有没有办法用另一种方法做到这一点？我一直在查看文档，但似乎找不到我要找的东西。 最佳答案 在我看来，除非您需要一些真正的低级访问或控制，否则最好使用Ruby的内置Open::URI模块:require'open-uri'io=open('http://www.example.org/')#=>#body=io.read[0,50]#=>"["200","OK"]io.base_ur
这个问题在这里已经有了答案:关闭10年前。PossibleDuplicate:Pythonconditionalassignmentoperator对于这样一个简单的问题表示歉意，但是谷歌搜索||=并不是很有帮助；)Python中是否有与Ruby和Perl中的||=语句等效的语句？例如:foo="hey"foo||="what"#assignfooifit'sundefined#fooisstill"hey"bar||="yeah"#baris"yeah"另外，类似这样的东西的通用术语是什么？条件分配是我的第一个猜测，但Wikipediapage跟我想的不太一样。
什么是ruby的rack或python的Java的wsgi？还有一个路由库。 最佳答案 来自Python标准PEP333:Bycontrast,althoughJavahasjustasmanywebapplicationframeworksavailable,Java's"servlet"APImakesitpossibleforapplicationswrittenwithanyJavawebapplicationframeworktoruninanywebserverthatsupportstheservletAPI.ht
