最近小编每天用各种 AI 工具去探索技术写作的边界，使用过程中，AI 给我安利了一个神器——pdfplumber。
本来只是想做个小实验，结果一用就停不下来：从几十页的 PDF 里把图表整理出来，转成文本，只要几行代码，比手动复制粘贴快了不知道多少倍。

既然用得这么顺手，我干脆一不做二不休，把任务丢给 AI，让它直接给我“水”了一整篇公众号文章。
你木有看错，从灵感到配图建议，再到标题和导语，全都是 AI 完成的。所以，这篇文章的每一个字，都是 AI 写的。

小编唯一做的，就是提出各种诸如“我想要五彩斑斓的黑”这种无理滴需求，嫌弃它的辛苦成果，一遍遍打回让它重写，然后高冷地按了几次“回车”。

你木有看错，AI甚至给我编了个职场故事，让文章更有“人味儿”！

哈哈哈~此刻，小编开始好奇这篇文章的阅读量啦！

别再复制粘贴了！用这个Python库，PDF表格秒变Excel

告别手动录入，程序员的高效秘籍

开篇：那个加班到深夜的周五

上周五晚上9点，同事小李还在办公室对着电脑发呆。
我走过去一看，他正对着一个几十页的PDF报表，一行行地复制数据，再粘贴到Excel里。

"这已经是第3个了，今晚估计又要通宵。"他苦笑着对我说。

我忍不住笑了："兄弟，都2025年了，还用手动？"

5分钟，我帮他写了一个Python脚本，用pdfplumber把30页PDF的表格全部提取出来，转成Excel，前后不到1分钟。

他瞪大眼睛："这...这也太快了吧？"

是的，PDF处理，本该如此简单。

一、为什么是 pdfplumber？

说到Python处理PDF，很多人第一反应是PyPDF2。
但说实话，PyPDF2处理复杂布局的PDF，就像用菜刀切牛排——能切，但费劲。

pdfplumber不一样，它就像一把瑞士军刀：

• • 能精确提取文字、表格、图片
• • 能获取每个字符的具体位置
• • 能处理各种奇葩的表格布局
• • 安装简单，纯Python，没有Java依赖

一句话：它是目前Python生态中最强的PDF表格提取工具。

二、3行代码搞定PDF转Excel

先安装：

pip install pdfplumber

然后，见证奇迹的时刻：

import pdfplumber

with pdfplumber.open("报表.pdf") as pdf:
    page = pdf.pages[0]
    table = page.extract_table()  # 自动识别表格

    for row in table:
        print(row)

就这么简单，一个完整的表格就出来了。

三、实战：从复杂PDF中提取表格

现实中的PDF往往没那么"乖"。
有的有框线，有的没框线；有的合并单元格，有的跨页...

别怕，pdfplumber都有解决方案。

场景1：有框线表格（最常见）

import pdfplumber

with pdfplumber.open("有框线报表.pdf") as pdf:
    page = pdf.pages[0]

    # 用线条识别表格
    table = page.extract_table({
        "vertical_strategy": "lines",    # 垂直线
        "horizontal_strategy": "lines",  # 水平线
    })

    for row in table:
        print(row)

场景2：无框线表格（最头疼）

import pdfplumber

with pdfplumber.open("无框线报表.pdf") as pdf:
    page = pdf.pages[0]

    # 用文本间隙识别表格
    table = page.extract_table({
        "vertical_strategy": "text",     # 按文本分列
        "horizontal_strategy": "text",   # 按文本分行
    })

    for row in table:
        print(row)

场景3：只提取某一块区域

import pdfplumber

with pdfplumber.open("大报表.pdf") as pdf:
    page = pdf.pages[0]

    # 只提取左上角区域 (x0, top, x1, bottom)
    crop_box = (50, 100, 500, 600)
    cropped = page.crop(crop_box)

    table = cropped.extract_table()
    for row in table:
        print(row)

四、进阶：直接导出CSV/Excel

提取出来的数据，当然要保存成文件：

import pdfplumber
import csv

def pdf_to_csv(pdf_path, csv_path):
    with pdfplumber.open(pdf_path) as pdf:
        with open(csv_path, "w", newline="", encoding="utf-8") as f:
            writer = csv.writer(f)

            for page in pdf.pages:
                tables = page.extract_tables()

                for table in tables:
                    for row in table:
                        # 清理空值
                        cleaned_row = [cell or "" for cell in row]
                        writer.writerow(cleaned_row)

    print(f"搞定！已保存到 {csv_path}")

# 使用
pdf_to_csv("报表.pdf", "output.csv")

运行完，一个完整的CSV文件就生成了，直接双击用Excel打开。

五、避坑指南：常见问题解决

问题1：中文乱码

# 确保PDF本身编码正确
# 如果还乱码，尝试指定字体
laparams = LAParams(detect_vertical=True)
text = page.extract_text(laparams=laparams)

问题2：表格识别不准

# 调整容差值
table_settings = {
    "vertical_strategy": "lines",
    "horizontal_strategy": "lines",
    "snap_tolerance": 5,  # 增大容差
}

问题3：提取太慢

# 只处理需要的页面
for page in pdf.pages[0:3]:  # 只处理前3页
    table = page.extract_table()

六、真实案例：从2小时到2分钟

小李后来用我教他的方法，处理了一个200页的财务报表：

效率提升60倍，而且准确率更高。

七、写在最后

工具的意义，就是让我们从重复劳动中解放出来。
程序员的价值，不在于会多少API，而在于能用技术解决实际问题。

下次再遇到PDF处理的需求，别急着加班，先想想：能不能用代码解决？

代码改变生活，从拒绝复制粘贴开始。

当然啦，小编实测AI安利的 pdfplumber 很好用哦，大家要不要去试试看？