Python编程实战 - Python实用工具与库 - 操作PDF：pdfplumber、PyPDF2

PDF 是办公场景中最常见的文档格式之一。无论是发票、报告、电子合同还是扫描件，我们经常需要对 PDF 进行 读取、提取文本、拆分、合并 等操作。
幸运的是，Python 提供了多种优秀的库来完成这些任务，其中 pdfplumber 和 PyPDF2 是最常用的两种。

本文将带你掌握它们的使用方法与实战技巧。

---

一、两大PDF库的区别

功能	pdfplumber	PyPDF2
提取文本	✅ 支持文字与表格结构	✅ 支持，但格式较乱
提取表格	✅ 强大，结构清晰	❌ 不支持
拆分/合并PDF	❌ 不支持	✅ 支持
加密/解密	❌	✅ 支持
生成新PDF	❌	✅ 可简单生成
适合场景	数据提取、内容分析	文件操作、批处理管理

在实战中，通常两者 配合使用：

• 用 pdfplumber 提取文本或表格内容；
• 用 PyPDF2 拆分、合并或修改 PDF 文件结构。

---

二、pdfplumber：精准提取PDF文本与表格

1. 安装

pip install pdfplumber

2. 提取全部文本

import pdfplumberwith pdfplumber.open("example.pdf") as pdf:all_text = ""for page in pdf.pages:all_text += page.extract_text() + "\n"
print(all_text)

输出示例：

Python 实战报告
作者：张三
日期：2025-11-10
内容：这是一个示例PDF文件。

pdfplumber 能准确识别文字位置，输出比 PyPDF2 更整齐。

---

3. 提取单页文本

with pdfplumber.open("example.pdf") as pdf:page = pdf.pages[0]text = page.extract_text()print(text)

可以用 page.extract_words() 获取每个单词的位置信息，非常适合文字坐标分析。

---

4. 提取表格内容

pdfplumber 对表格提取特别强大，它能直接将表格结构转为 Python 列表。