分类	函数名	必选参数	作用
文档操作	pdfplumber.open(path_or_fp)	path_or_fp: 文件路径或文件对象	打开PDF文件
	pdf.pages	无	获取PDF所有页面
	pdf.pages[i]	i: 页面索引	获取指定页面
内容提取	page.extract_text([x_tolerance, y_tolerance, ...])	无	提取页面文本
	page.extract_words([x_tolerance, y_tolerance, ...])	无	提取页面单词
	page.extract_tables([table_settings])	无	提取页面表格
页面操作	page.crop(bbox)	bbox: 边界框	裁剪页面区域
	page.within_bbox(bbox)	bbox: 边界框	获取指定边界框内的内容
	page.search(text)	text: 搜索文本	搜索页面中的文本
图像操作	page.to_image([resolution])	无	转换页面为图像对象
	image.save(filename)	filename: 保存路径	保存图像

extract_text/extract_words参数

参数名	类型	作用
x_tolerance	float	水平方向文本合并 tolerance
y_tolerance	float	垂直方向文本合并 tolerance
keep_blank_chars	bool	是否保留空白字符
use_text_flow	bool	是否使用文本流分析

extract_tables参数

参数名	类型	作用
table_settings	dict	表格提取设置
vertical_strategy	str	垂直分割策略
horizontal_strategy	str	水平分割策略
snap_tolerance	float	线条对齐 tolerance
join_tolerance	float	线条连接 tolerance

to_image参数

参数名	类型	作用
resolution	int	图像分辨率

操作步骤

1. 读取PDF文件

• 打开PDF文件
  • 使用 pdfplumber.open()

  import pdfplumber
  with pdfplumber.open('example.pdf') as pdf:
      # 操作PDF文件

2. 提取文本

• 提取整个页面的文本

  with pdfplumber.open('example.pdf') as pdf:
      # 获取第一页
      page = pdf.pages[0]
      # 提取文本
      text = page.extract_text()
      print(text)

3. 提取表格

• 提取页面中的表格

  with pdfplumber.open('example.pdf') as pdf:
      # 获取第一页
      page = pdf.pages[0]
      # 提取表格
      tables = page.extract_tables()
      # 处理表格数据
      for table in tables:
          for row in table:
              print(row)

4. 搜索文本

• 在页面中搜索特定文本

  with pdfplumber.open('example.pdf') as pdf:
      # 获取第一页
      page = pdf.pages[0]
      # 搜索文本
      results = page.search('关键词')
      print(f"找到 {len(results)} 个匹配")

5. 页面裁剪

• 裁剪页面的特定区域

  with pdfplumber.open('example.pdf') as pdf:
      # 获取第一页
      page = pdf.pages[0]
      # 裁剪区域 (x0, top, x1, bottom)
      bbox = (100, 100, 500, 500)
      cropped_page = page.crop(bbox)
      # 提取裁剪区域的文本
      text = cropped_page.extract_text()
      print(text)

6. 转换为图像

• 将页面转换为图像并保存

  with pdfplumber.open('example.pdf') as pdf:
      # 获取第一页
      page = pdf.pages[0]
      # 转换为图像
      image = page.to_image(resolution=150)
      # 保存图像
      image.save('page_1.png')