读取可选取 PDF 格式

【工银亚洲】
目前在工银项目中遇到的 PDF 大致分为两种，一种是纯图片模式，一种是可复制的文字格式，图片模式需要借助 OCR 识别技术，但文字格式可通过代码一行一行的提取出来。

import pdfplumber
import pandas as pd

def aa():
    path = r"E:\RPA\PDF\123.pdf"
    print(path)
    with pdfplumber.open(path) as pdf:
        page_count = len(pdf.pages) #PDF的页数
        print(page_count)
        list = []
        for page in pdf.pages:
            str = page.extract_text() #读取
            arr = str.split('\n')
            print(arr)
            list.append(arr) #数组拼接，多个一维数组合并成二维数组
        print(list)
        res = [i for item in list for i in item] #二维数组转一维数组
        print(res)
        #写入excel并且保存
        df = pd.DataFrame(res)
        excel_path = "E:\\RPA\\PDF\\123.xlsx" #保存的文件路径 
        df.to_excel(excel_path,index=False,encoding='gbk') #保存