[회사원] 업무 코딩기록 - (pdfplumber, pandas) pdf에서 표추출(.xlsx)

import pdfplumber

import pandas as pd

import os

# 입력 및 출력 폴더 설정

input_folder = r"C:\Users\user\Desktop\VSCode(python)\(CODE)PDF,OCR\pdf_raw"

output_folder = r"C:\Users\user\Desktop\VSCode(python)\(CODE)PDF,OCR\pdf_result"

# 출력 폴더가 존재하지 않으면 생성

os.makedirs(output_folder, exist_ok=True)

# 입력 폴더의 모든 PDF 파일 처리

for filename in os.listdir(input_folder):

    if filename.endswith(".pdf"):

        pdf_path = os.path.join(input_folder, filename)

        output_file = os.path.join(output_folder, "output.xlsx")

        # PDF 파일 열기

        with pdfplumber.open(pdf_path) as pdf:

            # 첫 번째 페이지 불러오기

            page = pdf.pages[0]

            # 페이지에서 테이블 추출

            tables = page.extract_tables()

            # 테이블이 존재하는지 확인

            if tables:

                print(f"{len(tables)} table(s) found on page {filename}.")

               

                # 여러 개의 테이블이 있을 경우를 대비하여

                with pd.ExcelWriter(output_file, engine='xlsxwriter') as writer:

                    # 추출된 테이블 각각에 대해 처리

                    for idx, table in enumerate(tables):

                        # 테이블을 pandas 데이터프레임으로 변환

                        df = pd.DataFrame(table[1:], columns=table[0])  # 첫 번째 행을 헤더로 지정

                        print(f"\nTable {idx + 1}:")

                        print(df)

                        # 엑셀에 테이블 저장

                        sheet_name = f"Table_{idx + 1}"  # 각 테이블을 개별 시트로 저장

                        df.to_excel(writer, sheet_name=sheet_name, index=False)

                print(f"Tables have been saved to '{output_file}' for {filename}.")

            else:

                print(f"No tables found on page {filename}.")