Python读取PDF表格数据转Excel pdfplumber实战

用Python+pdfplumber自动识别PDF中的表格，导出为Excel文件，合并多页表格，告别手动复制单元格。

场景痛点

财报、发票、价目表、统计报表经常以PDF格式下发，里面是密密麻麻的表格。想拿到Excel里做透视或汇总，只能手动一格一格复制，几十行表格复制十分钟还可能错位。用Python+pdfplumber自动识别表格线，把每页表格读成DataFrame，直接导出Excel，准确率比手动高得多。

用到的库

pip install pdfplumber pandas openpyxl

完整代码

# -*- coding: utf-8 -*-
"""
用 pdfplumber 读取 PDF 中的表格并导出为 Excel
"""
import pdfplumber
import pandas as pd


def extract_tables_to_excel(pdf_path: str, out_excel: str) -> None:
"""
提取 PDF 中所有表格，合并后写入 Excel
:param pdf_path: 源 PDF 路径
:param out_excel: 输出 xlsx 路径
"""
all_rows = []  # 存放所有页的表格行
header = None

with pdfplumber.open(pdf_path) as pdf:
for page_no, page in enumerate(pdf.pages, start=1):
# extract_table() 自动识别本页最大的那张表
# 如果一页有多张表，用 extract_tables() 返回列表
table = page.extract_table()
if not table:
print(f"第 {page_no} 页未识别到表格")
continue

print(f"第 {page_no} 页识别到 {len(table)} 行")

# 第一行当表头，后续页如果重复表头就跳过
if header is None:
header = table[0]
rows = table[1:]
else:
# 跳过重复表头行（表头内容和第一页一致）
rows = table[1:] if table[0] == header else table

all_rows.extend(rows)

if not header:
print("未在 PDF 中找到任何表格")
return

# 转成 DataFrame 并导出 Excel
df = pd.DataFrame(all_rows, columns=header)
df.to_excel(out_excel, index=False)
print(f"已导出 {len(df)} 行数据 -> {out_excel}")


if __name__ == "__main__":
extract_tables_to_excel("报表.pdf", "报表.xlsx")