Python办公自动化：读取PDF内容并提取关键数据

🖥️ 运行效果

🚀 实例简介

演示使用 pdfplumber 读取 PDF 文本并结合正则提取发票号、日期等关键信息。

本工具使用 pdfplumber 库读取 PDF 文件，通过正则表达式自动识别并提取发票号、日期、金额等关键信息，提供图形化界面操作，支持一键导出到 CSV 文件。

💻 核心代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
PDF 发票数据提取工具
功能：读取 PDF 文件，自动识别并提取发票号、日期、金额等关键信息
"""

import tkinter as tk
from tkinter import ttk, filedialog, messagebox, font as tkfont
import pdfplumber
import re
import csv
import os

class PDFExtractorApp:
    def __init__(self, root):
        self.root = root
        self.root.title("PDF 发票数据提取工具")
        self.root.geometry("900x650")
        self.root.resizable(True, True)
        
        # 创建字体对象（避免 Tcl 空格问题）
        self.title_font = tkfont.Font(family='WenQuanYi Zen Hei', size=20, weight='bold')
        self.body_font = tkfont.Font(family='WenQuanYi Zen Hei', size=12)
        
        # 存储提取的数据
        self.extracted_data = []
        
        self.create_widgets()
    
    def create_widgets(self):
        """创建界面组件"""
        # 标题
        title_frame = tk.Frame(self.root, bg="#1E3C72", height=60)
        title_frame.pack(fill=tk.X)
        title_frame.pack_propagate(False)
        
        tk.Label(
            title_frame, 
            text="PDF 发票数据提取工具",
            font=self.title_font,
            bg="#1E3C72",
            fg="white"
        ).pack(pady=15)
        
        # 主容器
        main_frame = tk.Frame(self.root, padx=20, pady=10)
        main_frame.pack(fill=tk.BOTH, expand=True)
        
        # 文件选择区域
        file_frame = tk.LabelFrame(main_frame, text="文件选择", padx=10, pady=10)
        file_frame.pack(fill=tk.X, pady=(0, 10))
        
        self.file_path_var = tk.StringVar()
        file_entry = tk.Entry(file_frame, textvariable=self.file_path_var, width=50, font=self.body_font)
        file_entry.pack(side=tk.LEFT, padx=(0, 10))
        
        browse_btn = tk.Button(
            file_frame, 
            text="浏览 PDF 文件",
            command=self.browse_file,
            bg="#4A90D9",
            fg="white",
            padx=15,
            font=self.body_font
        )
        browse_btn.pack(side=tk.LEFT)
        
        extract_btn = tk.Button(
            file_frame,
            text="开始提取",
            command=self.extract_data,
            bg="#2ECC71",
            fg="white",
            padx=15,
            font=self.body_font
        )
        extract_btn.pack(side=tk.LEFT, padx=(10, 0))
        
        # 数据表格区域

💡 适用场景

财务部门批量处理发票、会计事务所审计工作、企业报销流程自动化、个人发票管理