PDF表格数据批量提取工具：自动识别PDF中的表格结构、支持多表格分页提取、一键导出Excel/CSV

🚀 实例简介

一款基于Python的PDF表格数据批量提取桌面工具。自动识别PDF文件中的表格结构，支持多表格分页提取，一键导出为Excel(.xlsx)或CSV格式。

核心功能：

• 📂 支持批量选择多个PDF文件
• 🔍 自动识别PDF中的表格结构（基于pdfplumber）
• 📊 支持多表格分页提取，每个表格独立导出
• 💾 支持Excel(.xlsx)和CSV两种导出格式
• 📝 详细的处理日志，实时显示提取进度

💻 核心代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""PDF表格数据批量提取工具
功能：自动识别PDF中的表格结构，支持多表格分页提取，一键导出Excel/CSV
依赖：pdfplumber, openpyxl
"""
import tkinter as tk
from tkinter import ttk, filedialog, messagebox, scrolledtext
import platform, os, threading

CHINESE_FONT = "WenQuanYi Zen Hei" if platform.system() == "Linux" else "Microsoft YaHei"

try:
    import pdfplumber
    import openpyxl
except ImportError:
    import subprocess, sys
    subprocess.check_call([sys.executable, "-m", "pip", "install", "pdfplumber", "openpyxl", "-q"])
    import pdfplumber
    import openpyxl


class PDFTableExtractorApp:
    """PDF表格提取主窗口"""

    def __init__(self, root):
        self.root = root
        self.root.title("PDF表格数据批量提取工具")
        self.root.geometry("780x560")
        self.root.configure(bg="#f5f5f5")
        self.pdf_files = []
        self.build_ui()

    def build_ui(self):
        """构建界面"""
        # 标题
        tk.Label(self.root, text="📊 PDF表格数据批量提取工具",
                 font=(CHINESE_FONT, 18, "bold"), bg="#f5f5f5", fg="#2c3e50").pack(pady=10)
        tk.Label(self.root, text="自动识别PDF表格 → 一键导出Excel/CSV",
                 font=(CHINESE_FONT, 11), bg="#f5f5f5", fg="#7f8c8d").pack()

        # 文件选择区
        frame_top = tk.Frame(self.root, bg="#f5f5f5")
        frame_top.pack(fill="x", padx=15, pady=8)
        tk.Button(frame_top, text="📂 选择PDF文件(多选)", font=(CHINESE_FONT, 11),
                  bg="#3498db", fg="white", command=self.select_files).pack(side="left", padx=5)
        tk.Button(frame_top, text="📁 选择输出目录", font=(CHINESE_FONT, 11),
                  bg="#27ae60", fg="white", command=self.select_output).pack(side="left", padx=5)
        self.lbl_output = tk.Label(frame_top, text="输出: 同目录", font=(CHINESE_FONT, 10),
                                   bg="#f5f5f5", fg="#555")
        self.lbl_output.pack(side="left", padx=10)

        # 导出格式
        frame_fmt = tk.Frame(self.root, bg="#f5f5f5")
        frame_fmt.pack(fill="x", padx=15)
        tk.Label(frame_fmt, text="导出格式:", font=(CHINESE_FONT, 11), bg="#f5f5f5").pack(side="left")
        self.fmt_var = tk.StringVar(value="xlsx")
        for v, t in [("xlsx", "Excel(.xlsx)"), ("csv", "CSV(.csv)")]:
            tk.Radiobutton(frame_fmt, text=t, variable=self.fmt_var, value=v,
                           font=(CHINESE_FONT, 10), bg="#f5f5f5").pack(side="left", padx=10)

        # 文件列表
        tk.Label(self.root, text="待处理文件列表:", font=(CHINESE_FONT, 11, "bold"),
                 bg="#f5f5f5", anchor="w").pack(fill="x", padx=15, pady=(8, 2))
        self.file_list = tk.Listbox(self.root, font=(CHINESE_FONT, 10), height=6)
        self.file_list.pack(fill="x", padx=15)

        # 提取按钮
        self.btn_extract = tk.Button(self.root, text="🚀 开始批量提取", font=(CHINESE_FONT, 13, "bold"),
                                     bg="#e74c3c", fg="white", height=2, command=self.start_extract)
        self.btn_extract.pack(fill="x", padx=15, pady=8)

        # 日志
        tk.Label(self.root, text="处理日志:", font=(CHINESE_FONT, 11, "bold"),
                 bg="#f5f5f5", anchor="w").pack(fill="x", padx=15)
        self.log_text = scrolledtext.ScrolledText(self.root, font=(CHINESE_FONT, 9), height=8)
        self.log_text.pack(fill="both", expand=True, padx=15, pady=5)

    def select_files(self):
        """选择PDF文件"""

💡 适用场景

• 财务报表数据提取（银行流水、发票汇总）
• 学术论文中的数据表格整理
• 企业内部数据报表批量导出
• PDF合同中的关键数据提取