有很多的库都可以用于处理PDF文档，例如PyMuPDF、PyPDF2、pdfplumber、pikepdf等等，它们各自有着特定的优势和用途，为了实现对文本、图片和表格的简单提取功能，这里我选用的是pdfplumber，大家可以访问下面链接来对这个库有个大致了解：

https://pypi.org/project/pdfplumber/​

在开始写代码前，我们需要用以下命令对这个库进行安装：

pip install pdfplumber

def extract_tables(file_path):
    try:
        with pdfplumber.open(file_path) as pdf:
            for page in pdf.pages:
                tables = page.extract_tables()
                if tables isnotNoneand len(tables)>0:
                    for table in tables:
                        if table isnotNoneand len(table)>0:
                            for row in table:
                                # print(row)
                                print(' '.join(map(str,row)))
    except FileNotFoundError:
        print(f"Error: The file '{file_path}' does not exist.")
    except Exception as e:
        print(f"Error: An error occurred while processing the file: {e}")

with pdfplumber.open(file_path) as pdf:

with语句用于管理资源，在这里是打开的PDF文件。它确保无论代码执行成功还是失败，PDF文件都会被正确关闭。pdfplumber.open(file_path)打开指定路径的PDF文件，并将其赋值给变量pdf。

for page in pdf.pages:

这个for循环用于遍历PDF文档中的每一页。pdf.pages是一个包含PDF所有页面对象的列表，循环会依次将每个页面对象赋值给变量page。

tables = page.extract_tables()

这里的extract_tables()可不是我们自定义的方法名，它是pdfplumber的extract_tables()方法，它会自动识别并提取当前页面page中的所有表格。提取的结果是一个列表，其中的每个元素代表一个表格。这个列表被赋值给变量tables。

if tables is not None and len(tables)>0:

这个条件判断检查tables是否为None（表示没有提取到表格），并且检查tables列表的长度是否大于0。如果这两个条件都成立，即成功提取到至少一个表格，才会执行下面的代码块。

for table in tables:

这个for循环用于遍历上一步提取到的tables列表中的每一个表格。每次循环中，table代表当前正在处理的表格。

if table is not None and len(table)>0:

这个条件判断再次确保当前table对象不为空，并且包含至少一行数据。

for row in table:

table本身是一个列表，这个最内层的for循环遍历表格中的每一行，并将每一行数据赋值给row变量。

print(' '.join(map(str,row)))

这里我用join()和map()方法将表格中的数据。

• map(str, row)：将 row列表中的每个元素都转换成字符串类型。

• ' '.join(…)：这是一个字符串方法，它使用一个空格作为分隔符，将 map()返回的所有字符串连接成一个完整的字符串，也就是说，这里我将每一行的数据，用空格连接成了一个字符串，然后进行了打印。

for i,page in enumerate(pdf.pages):

这个 for循环用于遍历PDF文档中的每一页。enumerate()会返回页面的索引i(从0开始) 和页面对象page。

for j,table in enumerate(tables):

这个嵌套的for循环，用于遍历page.extract_tables()得到的tables列表中的每一个表格。enumerate()会返回表格的索引 j(从 0 开始) 和表格对象table。

csv_filename = f'table_{i+1}_{j}.csv'

利用前面的到的i和j组合出将保存的CSV文件的文件名。例如，第一个页面上的第一个表格会被命名为 table_1_0.csv。

with open(csv_filename, 'w', newline='') as csvfile:

这个with语句，用于打开一个文件进行写入。open(csv_filename, 'w', newline='')以写入模式'w'打开之前定义的文件名。newline=''参数用于防止在写入CSV文件时产生额外的空行。打开的文件对象被赋值给变量csvfile。

writer = csv.writer(csvfile)

这行代码创建了一个csv.writer对象，它用于将表格数据写入csvfile对象。

writer.writerows(table)

这行代码调用writer对象的writerows()方法。这个方法接受一个列表（在这里是table），并将列表中的每个子列表（也就是每一行）作为 CSV 的一行写入文件。

for row in table:
    print(row)

这个for循环遍历当前表格的每一行，并将每一行赋值给row，这个变量的类型也是列表，会以列表形式打印到终端。