[Python]如何將批量的PDF資料匯總為Excel清單?

 在現今電腦化(或稱無紙化)的辦公環境中，往往因為工作需求需將一些資料在不同辦公文件之間轉移，如若需要呈現簡報(.ppt)，可能需將word的部分文字複製到ppt上;若需要分析論文中的表格數據，可能需將pdf轉換成excel。然而，若僅僅是少數文件的轉換，或許可簡單用複製和貼上的功能來處理，但若是批量轉換的工作，為了避免重複性勞力和容易出錯，藉由工具來進行批量轉換才是正確的工作方式。

想像一個情境，當企業辦理講座活動，對各個應邀單位發出報名表，當多張報名表回收時，即需要一個匯總清單，以進一步了解此次參與講座的學員背景/企業寶號/職稱等等。下列是以該情境作為範例，在範例進行之前，先簡易描述完成該項工作的工具結構，如下。

1.在Python中，常用於處理PDF的安裝包有兩個，pdfminer3k和pdfplumber，差異簡易描述如下:
   pdfminer3k:將PDF作純文本轉換工作，常用於自然語言分析工作上。
   pdfplumber:可按頁數處理PDF檔案，同時可將PDF中的表格輸出成list。

2.另外，針對PDF讀取結果，Python需要將結果寫入excel檔案中，可藉由操作excel的安裝包, openpyxl，來處理。

3.為了搭配自動找尋pdf檔案的數量，需要借用安裝包,os,來操作文件和目錄系統。
批量轉換報名表(.pdf)，並匯總成excel檔案的簡易範例如下:

    a.報名表的原pdf截圖如下，共有三個pdf檔案。

    

    b.幾個主要的代碼段，說明如下:

 (i)為了因應檔案個數未知且達成批量轉換，因此借用os指令在資料夾中篩選出目標檔案(.pdf)，如# find .pdf file in the folder的代碼段。

 (ii)將pdf匯入python中，並將每個pdf檔案中的姓名/職稱/手機/email資料抽取和轉換成list，如# pdf import的代碼段。

 (iii)將抽取資料存入excel檔案中，其中包含定義sheet和表頭名稱，如# 開啟空白excel, 並存入pdf讀取表格資料的代碼段。

===================代碼段===============

import pdfplumber

from openpyxl import Workbook  # 存取xlsx的安裝包

import os

 

# list files in the path

file_list = os.listdir()

 

# find .pdf file in the folder

pdf_file = list()  # build empty list

for file_name in file_list:

    sub_name = file_name.split('.')[1]

    if sub_name == 'pdf':

        pdf_file.append(file_name)

 

# pdf import

pdf_table = list()

name = list()

title = list()

mobile = list()

email = list()

for i in range(len(pdf_file)):

    pdf = pdfplumber.open(pdf_file[i])

    page = pdf.pages[0]  # get page.1

    pdf_table.append(page.extract_table())

    if pdf_table[i][2][1] != '':

        name.append(pdf_table[i][2][1])

        title.append(pdf_table[i][3][1])

        mobile.append(pdf_table[i][4][1])

        email.append(pdf_table[i][5][1])

 

# 開啟空白excel, 並存入pdf讀取表格資料

workbook = Workbook()

sheet = workbook.active

sheet.title = "報名匯總"

# 設定A1:姓名 B1:職務 C1:手機 D1:E-mail

row0 = ["姓名", "職務", "手機", "E-mail"]

sheet.append(row0)

for i in range(len(name)):

    sheet.cell(row=2 + i, column=1).value = name[i]

    sheet.cell(row=2 + i, column=2).value = title[i]

    sheet.cell(row=2 + i, column=3).value = mobile[i]

    sheet.cell(row=2 + i, column=4).value = email[i]

workbook.save(filename="報名清單.xlsx")

===================代碼段===============

c.輸出結果如下圖。

-----如果文章對您有幫助，打開微信掃一掃，請作者喝杯咖啡。-----