因为工作原因，我每天都要接触大量的数据报表，PDF转Excel这种格式转换场景也非常多。
目前市场上有很多pdf工具，大部分是阅读类，也有支持对pdf的修改、转换等功能，但这部分工具不少是收费的。
这次介绍一个开源python工具库-pdfplumber，可以方便地获取pdf的各种信息，包括文本、表格、图表、尺寸等。
python中有很多库可以处理pdf，比如PyPDF2、pdfminer等，那pdfplumber的优势在哪呢？
首先，pdfplumber能轻松访问有关PDF对象的所有详细信息，且用于提取文本和表格的方法高级可定制，使用者可根据表格的具体形式来调整参数。
最关键的是pdfplumber作者持续在维护该库，而同样受欢迎的PyPDF2已经不再维护了。
同其他python库一样，pdfplumber支持使用pip安装，在命令行输入
pip install pdfplumber
如果遇到安装慢的问题，可以替换镜像源，会快很多。
pdfplumber安装后，用import导入即可使用。
再看下如何用pdfplumber提取pdf表格？
以NBA 2020-2021 常规赛数据作为范例，pdf表格如下：
第一步：使用pdfplumber提取表格文本
# 导入pdfplumber import pdfplumber # 读取pdf文件，保存为pdf实例 pdf = pdfplumber.open("E:\\nba.pdf") # 访问第二页 first_page = pdf.pages[1] # 自动读取表格信息，返回列表 table = first_page.extract_table()输出：
第二步：整理成dataframe格式，保存为excel
import pandas as pd # 将列表转为df table_df = pd.DataFrame(table_2[1:],columns=table_2[0]) # 保存excel table_df.to_excel('test.xlsx') table_df一个小小的脚本，不到十行代码，便将pdf表格提取并转化为dataframe格式，最终保存到excel。
可见pdfplumber处理PDF表格数据还是蛮方便的，而且比较准确。
)
)
