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，很多的小夥伴都面臨着將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。
1. 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庫版本對於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
看過視頻之後，接下來就進行程序的展示，程序的展示主要分爲以下的四個方面，分別是：
PDF提取文字
PDF提取圖片
PDF提取表格
交互界面的製作
03.PDF提取文字
PDF中文字是隻允許我們進行只讀，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，然後將提取到的文字寫入到word文件當中，讓我們能夠進行後續的改寫。對於文字的提取，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，對於每一頁的內容，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。但是小編髮現，對於圖片的提取，pdfminer的效果很不好，所以後面針對於圖片的提取；小編採用的fitz庫進行單獨的處理，取得很好的圖片提取效果。這裏，我們先來看一下對於文本的處理結果。
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
對於文字的提取處理完畢後，接下來我們就來看一下如何提取pdf中的圖片，並將其保存到本地。對於圖片的提取，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，然後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，並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
對於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，針對於文件中的每一頁，提取表格數據，然後通過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，對於PDF中的表格數據，程序能夠做到較爲準確的提取。
06.交互界面的製作
交互界面的製作，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製作出精美的界面。程序執行的可視化界面如下圖所示。
07.軟件打包
爲了方便大家的使用，小編將程序打包爲exe文件，需要注意的是，爲了減少大家對於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。
【菜鳥學Python】累計原創近400篇趣味乾貨(爬蟲，數據分析，算法，面試指南，原創趣味實戰，Python遊戲，機器學習），歡迎一起學Python，交流指正。