Python私活300元：提取PDF的Excel表格

在群里看到老師發(fā)這個需求時，我之前就寫過提取pdf的單子，所以沒有猶豫，立馬接了下來

一 需求分析

單單提取pdf中的表格數(shù)據(jù)還是很簡單的，使用pdfplumber這個庫，就可以很簡單的實現(xiàn)，提取后保存到excel中，再使用pandas處理數(shù)據(jù)，最后通過openpyxl設(shè)置表格樣式，難點在于人民幣金額自動轉(zhuǎn)大寫，這個我開始也沒有思路，最后在度娘那找到了解決方案

二 解決步驟

實現(xiàn)人民幣金額自動轉(zhuǎn)大寫

import pdfplumber,openpyxl
import pandas as pd
from pathlib import Path
from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill, Border, Side, Alignment 

def numtomoney(money):
    cnNums = ["零","壹","貳","叁","肆","伍","陸","柒","捌","玖"] #漢字的數(shù)字
    cnIntRadice = ["", "拾", "佰", "仟"] #基本單位
    cnIntUnits = ["", "萬", "億", "兆"] #對應(yīng)整數(shù)部分擴展單位
    cnDecUnits = ["角", "分", "毫", "厘"] #對應(yīng)小數(shù)部分單位
    cnInteger = "整" #整數(shù)金額時后面跟的字符
    cnIntLast = "元" #整型完以后的單位
    maxNum = 999999999999999.9999 #最大處理的數(shù)字
    # IntegerNum 金額整數(shù)部分
    # DecimalNum 金額小數(shù)部分
    ChineseStr = "" #輸出的中文金額字符串
    parts =[] #分離金額后用的數(shù)組，預(yù)定義
    Symbol = "" #正負值標(biāo)記

    if money == "": 
        return ""

    money = float(money)
    if money >= maxNum:
        return "超出最大范圍"

    if money == 0:
        ChineseStr = cnNums[0] + cnIntLast + cnInteger
        return ChineseStr

    if money < 0:
        money = -money
        Symbol = "負 "

    money = str(money) #轉(zhuǎn)換為字符串
    if money.find(".") == -1:
        IntegerNum = money
        DecimalNum = ""
    else:
        parts = money.split(".")
        IntegerNum = parts[0]
        DecimalNum = parts[1][0:4]

    if int(IntegerNum) > 0:#獲取整型部分轉(zhuǎn)換
        zeroCount = 0
        IntLen = len(IntegerNum)
        for i in range(0,IntLen):
            n = IntegerNum[i]#整數(shù)部分字符串的第i個字符
            p = IntLen - i - 1
            q = p // 4#地板除，p<4時，為0，4>p<8時，等于1，等于8時，等于2
            m = p % 4#求余數(shù)，p<4時，為p，=4時為0
            if n == "0":
                zeroCount +=1
            else:
                if zeroCount > 0:
                    ChineseStr += cnNums[0]
                zeroCount = 0 #歸零
                ChineseStr += cnNums[int(n)] + cnIntRadice[m]
                if m == 0 and zeroCount < 4:
                    ChineseStr += cnIntUnits[q]
        ChineseStr += cnIntLast#整型部分處理完畢

    if DecimalNum != "":#小數(shù)部分
        decLen = len(DecimalNum)
        for i in range(0,decLen):
            n = DecimalNum[i]
            if n != "0":
                ChineseStr += cnNums[int(n)] + cnDecUnits[i]
    if ChineseStr == "":
        ChineseStr += cnNums[0] + cnIntLast + cnInteger
    elif DecimalNum == "0":
        ChineseStr += cnInteger
    ChineseStr = Symbol + ChineseStr
    return ChineseStr
        
numtomoney(5648.89)

數(shù)據(jù)提取和數(shù)據(jù)處理部分

def get_data(file_path):
    pdf_path=Path(file_path)
    pdf_files=pdf_path.glob('*.pdf')
    for pdf_file in pdf_files:
        df_list=[]
        pdf = pdfplumber.open(path_or_fp=pdf_file)
        for page in pdf.pages:
            table=page.extract_table()#提取page對象中的表格數(shù)據(jù)為列表
            df=pd.DataFrame(table)#把列表數(shù)據(jù)存入DataFrame中
            df_list.append(df)
        df_total=pd.concat(df_list)#合并表格
        df_total=df_total.reset_index(drop=True)#重置索引,并刪除原索引
        df_total.columns=df_total.iloc[0,:].tolist()#用第一行作為表頭
        df_total.drop(index=0,inplace=True)#刪除第一行
        df_total=df_total.reindex(columns=df_total.columns[[0,1,3,2,6,5,7,4]])#調(diào)整列順序
        df_total.drop(columns=['配置要求'],inplace=True)#刪除配置要求列
        
        df_total.columns=['序號','名稱','規(guī)格及型號','品牌','單位','數(shù)量','單價(元)']
        df_total['數(shù)量']=pd.to_numeric(df_total['數(shù)量'],errors='coerce')
        df_total['單價(元)']=pd.to_numeric(df_total['單價(元)'],errors='coerce')
        df_total['合價(元)']=df_total['數(shù)量']*df_total['單價(元)']
        df_total['存放位置']=pd.NA
        df_total.drop(index=df_total.index.tolist()[-2:],inplace=True)#刪除最后兩行數(shù)據(jù)
        df_total=df_total.applymap(lambda x : x.replace('\n','') if isinstance(x,str) else x)#去除單元格中的換行
        total=df_total['合價(元)'].sum(axis=0)
        money=numtomoney(total)
        row_num=df_total.shape[0]
        df_total.loc[row_num+2,'序號']=f'{money}（￥{"%.2f" % total}）'#2位小數(shù)
        df_total.loc[row_num+3,'序號']='采購申請人簽字：'
        df_total.loc[row_num+4,'序號']='實訓(xùn)室管理員簽字：'
        p=Path(Path.cwd())
        p1=p/'已提取文件'
        if not p1.exists():#判斷文件夾是否存在，不存在就新建文件夾
            p1.mkdir(exist_ok=True)
        df_total.to_excel(f'./已提取文件/{pdf_file.stem}.xlsx',index=False)

設(shè)置表格樣式

def modify_style(wb,first_row_value,second_row_value,place,file_name):
    '''
    first_row_value 第一行標(biāo)題內(nèi)容
    second_row_value 第二行標(biāo)題內(nèi)容
    place,file  表格中'存放位置'列內(nèi)容
    file_name   最終保存的文件名稱
    '''
    for sheet_name in wb.sheetnames:
        ws = wb[sheet_name]
        ws.insert_rows(1,2)#在第一行前面插入2行空行
        alignment=Alignment(horizontal="center", vertical="center",wrap_text=True)
        ws['A1'].value=first_row_value
        ws['A1'].font=Font(name='宋體', size=16, bold=True, color='FF000000')
        ws['A1'].alignment=alignment
        ws['A2'].value=second_row_value
        ws['A2'].font=Font(name='宋體', size=11, bold=True, color='FF000000')
        ws['A2'].alignment=alignment
        ws.merge_cells('A1:I1')#合并單元格
        ws.merge_cells('A2:I2')
        maxrows = ws.max_row # 獲取最大行
        ws.column_dimensions["B"].width = 24  # 設(shè)置B列寬度為15
        for col in ['C','D','G','H']:
            ws.column_dimensions[col].width = 12  # 批量設(shè)置指定列寬度為12
        for col in ['A','E','F','I']:
            ws.column_dimensions[col].width = 4.5  # 批量設(shè)置指定列寬度為4.5
        for i in range(3,maxrows+1):
            cells = ws[i]
            font = Font(name='宋體', size=11, bold=False, italic=False, color='FF000000')
            alignment = Alignment(horizontal="center", vertical="center",wrap_text=True)
            # 先定好side的格式
            side_left = Side(style='thin', color='FF000000')
            side_right = Side(style='thin', color='FF000000')
            # 代入邊線中
            border = Border(left=side_left, right=side_right, top=side_right, bottom=side_left)
            for cell in cells:
                cell.font = font
                cell.alignment = alignment
                cell.border = border
        ws['A1'].font=Font(size=16, bold=True)
        ws['A2'].font=Font(bold=True)
        ws['A2'].alignment= Alignment(horizontal="center", vertical="center",wrap_text=True)
        ws.row_dimensions[2].height=32#設(shè)置第二行行高
        ws.row_dimensions[maxrows-1].height=28#設(shè)置倒數(shù)第二行行高
        ws.row_dimensions[maxrows].height=28#設(shè)置倒數(shù)第一行行高
        for i in range(3):
            ws.merge_cells(f'A{maxrows-2+i}:H{maxrows-2+i}')
            ws[f'A{maxrows-2+i}'].alignment=Alignment(horizontal="left", vertical="center",wrap_text=True)
        ws['I4'].value=place    
        for col in ['G','H']:#設(shè)置金錢符號
            for i in range(4,maxrows+1):
                ws[f'{col}{i}'].number_format='￥#,##0.00;￥-#,##0.00'
        ws.merge_cells(f'I4:I{maxrows}')
        
    wb.save('已完成-'+f'{file_name}.xlsx')
file_path=Path(Path.cwd()/'已提取文件')
files=file_path.glob('*.xlsx')
for file in files:
    wb=load_workbook(file)
    file_name=file.stem
    modify_style(wb,'紹興市柯橋區(qū)職業(yè)教育中心耗材入庫單','項目名稱：柯橋區(qū)職業(yè)教育中心建筑專業(yè)實訓(xùn)耗材采購項目\n入庫時間：2022年9月29日 ','1號實訓(xùn)樓2樓庫房',file_name)

三 最終結(jié)果

四 技術(shù)總結(jié)

代碼編寫過程遇到一個大坑，是表格合并時，index沒有重置，導(dǎo)致表格有多個index為0和1的行，再刪除第一行和合同價格匯總行時，會誤刪需要的行，這里推薦下老師的pandas課程，里面有很多干貨，報名老師的課程，讓我學(xué)到了很多技術(shù)，解決了許多日常工作中的問題，大大提高我的工作效率，讓我的工作也輕松了不少，更重要的是，有了個門做兼職的技術(shù)！

五 答案地址

在本公眾號《螞蟻學(xué)Python》后臺回復(fù): 1015PDF代碼 

可以得到數(shù)據(jù)素材和代碼答案

今晚來螞蟻老師抖音直播間，Python帶副業(yè)全套餐有優(yōu)惠！！！