### Python 合并 PDF 数据至 Excel 的方法及库 #### 使用 `pdfplumber` 和 `pandas` 为了实现从多个 PDF 文件中提取数据并将这些数据汇总到单个 Excel 文件中，可以采用以下方案： 通过 `pdfplumber` 库来解析 PDF 文档中的表格结构，并将其转换成适合处理的形式。对于每一页上的每一个表格，使用 `extract_table()` 或者针对含有多个表格的情况使用 `extract_tables()` 函数获取表格内容[^2]。 接着，利用 `pandas.DataFrame` 来存储每一组来自不同页面或文件的数据片段，在完成所有必要的读取之后再统一保存为 Excel 文件。下面是一个具体的例子展示如何执行这一过程： ```python import pandas as pd from openpyxl import load_workbook import pdfplumber def read_pdf_to_df(pdf_path): """Read a single PDF file and convert its tables into DataFrame.""" dfs = [] with pdfplumber.open(pdf_path) as pdf: for i, page in enumerate(pdf.pages): table = page.extract_table() if table is None or all(not item for sublist in table for item in sublist): continue df_page = pd.DataFrame(table[1:], columns=table[0]) df_page['source'] = f'Page {i + 1}' # Add source information dfs.append(df_page) return pd.concat(dfs) def merge_pdfs_into_excel(pdf_files, output_file='merged_data.xlsx'): """Merge multiple PDF files data into one Excel file.""" combined_df = [] for pdf in pdf_files: try: df = read_pdf_to_df(pdf) combined_df.append(df) except Exception as e: print(f"Error processing {pdf}: {e}") final_df = pd.concat(combined_df).reset_index(drop=True) book = load_workbook(output_file) if os.path.exists(output_file) else Workbook() writer = pd.ExcelWriter(output_file, engine='openpyxl') writer.book = book final_df.to_excel(writer, index=False, sheet_name="Merged Data") writer.save() if __name__ == "__main__": list_of_pdfs = ["file1.pdf", "file2.pdf"] # Replace these names with actual paths to your PDFs. merge_pdfs_into_excel(list_of_pdfs) ``` 这段代码展示了怎样遍历一系列指定路径下的 PDF 文件，从中抽取表格形式的信息，并最终将它们整合进同一个 Excel 工作簿里。注意这里假设所有的 PDF 都具有相似的布局以便于自动化处理；如果有更复杂的需求，则可能需要额外调整逻辑以适应特定情况[^3]。