30页PDF录了一下午？你该换方法了！

上周帮财务王姐处理银行流水，对方发来12个PDF文件，每个10页起步。我用Adobe Acrobat试了提取：

1. 打开PDF→导出为Excel→等待2分钟
2. 发现表格列错位（金额列跑到备注里）
3. 合并单元格全拆分，需手动合并137处
4. 数字带空格，SUM函数直接报错#VALUE!

传统方法3大痛点：

• 格式错乱：合并单元格拆分、列不对齐（如图1红框处）
• 效率低下：1页PDF手动录入需6分钟，100页=10小时
• 错误率高：数字看错、小数点错位（上次多录一个0赔了2000）

这是用某转换器提取的结果，金额和摘要混在一起，根本没法用

15 行 Python 代码搞定（复制粘贴运行）

import pdfplumber

# 打开PDF文件（替换成你的文件路径）
with pdfplumber.open("银行流水.pdf") as pdf:
    # 获取第1页（从0开始计数）
    page = pdf.pages[0]
    # 提取表格（自动识别边框）
    table = page.extract_table()
    
    # 打印提取结果（调试用）
    for row in table[:3]:  # 只显示前3行
        print([cell.strip() if cell else "" for cell in row])

# 输出示例：
# ['交易日期', '摘要', '金额', '余额']
# ['2023-05-01', '工资入账', '15000.00', '23500.56']

总结 5 个实战技巧

1. 加密PDF：需先解密！代码里加password=”密码”参数

with pdfplumber.open("加密文件.pdf", password="123456") as pdf:

2. 无框表格：添加table_settings参数

table = page.extract_table(table_settings={"vertical_strategy": "text", "horizontal_strategy": "text"})

3. 数字带空格：用str.replace(” “, “”)清洗

df[2] = df[2].str.replace(" ", "").astype(float)  # 金额列去空格转数字

4. 多表格混排：按区域提取

table = page.extract_table(bbox=(0, 200, 600, 800))  # 只提取Y轴200-800区域

5. 安装失败：换国内源

pip install pdfplumber -i https://pypi.tuna.tsinghua.edu.cn/simple

重大提醒：

1. 先备份PDF文件！代码不会修改原文件，但以防万一
2. 扫描版PDF无法提取（需OCR），本方法仅支持文字型PDF

目前把代码里的”银行流水.pdf”换成你的文件，3分钟就能喝上咖啡～ 再也不用对着PDF敲数字了！

欢迎评论区分享一下自己遇到的问题~~