在數據處理與辦公自動化場景中，PDF 表格因格式穩定被廣泛使用，但不可直接編輯的特性，給數據統計、分析和二次加工帶來諸多不便。手動複製粘貼不僅效率低下，還容易出現數據錯位、遺漏等問題。
本文將分享一種高效的解決方案—基於Python結合Spire系列庫，實現 PDF 表格數據的精準提取，並分別導出為 TXT 文本和 Excel 表格格式。該方案無需複雜的正則表達式或OCR識別，代碼簡潔易上手，適合批量處理各類PDF表格文件。
一、準備工作：安裝所需 Python 庫
本次實戰需要兩個核心庫，分別負責 PDF 表格提取和 Excel 文件生成，功能分工明確：
- Spire.PDF for Python：一款輕量級 PDF 處理庫，支持直接識別 PDF 中的表格結構，精準提取單元格數據，無需依賴額外的 OCR 工具。
- Spire.XLS for Python：專業的 Excel 操作庫，可實現 Excel 文件的創建、數據寫入、格式優化等功能，完美適配各類 Excel 版本。
打開命令行終端，執行以下pip命令完成安裝（建議在虛擬環境中操作，避免版本衝突）：
pip install Spire.PDF
pip install Spire.XLS
二、實戰1：提取 PDF 表格數據到 TXT 文件
TXT 文件具有體積小、兼容性強的特點，適合快速查看和傳輸數據。使用 Spire.PDF for Python 提取數據並寫入 TXT 的核心邏輯，是按頁面→表格→行→列的層級遍歷 PDF 內容，最終將數據格式化輸出。
實現步驟拆解
- 加載 PDF 文檔：通過
PdfDocument類的LoadFromFile()方法讀取目標 PDF 文件，支持相對路徑和絕對路徑。 - 初始化提取工具：創建
PdfTableExtractor對象，用於識別並提取 PDF 頁面中的表格數據。 - 層級遍歷數據：依次遍歷 PDF 的每一頁、每頁中的每個表格、表格的每一行和每一列，通過
GetText(rowIndex, columnIndex)方法獲取單元格文本。 - 寫入 TXT 文件：將提取的數據按“列用空格分隔、行用換行分隔”的格式整理，寫入TXT文件並指定 UTF-8 編碼，避免中文亂碼。
完整代碼示例（含詳細註釋）
from spire.pdf.common import *
from spire.pdf import *
# 1. 加載PDF文檔，替換為你的目標PDF文件路徑
pdf_doc = PdfDocument()
pdf_doc.LoadFromFile("表格.pdf")
# 2. 創建列表存儲提取的數據，便於後續拼接
data_list = []
# 3. 初始化表格提取器
table_extractor = PdfTableExtractor(pdf_doc)
# 4. 遍歷PDF的每一頁
for page_idx in range(pdf_doc.Pages.Count):
# 提取當前頁面的所有表格
tables = table_extractor.ExtractTable(page_idx)
# 判斷當前頁面是否存在表格，避免空指針異常
if tables is not None and len(tables) > 0:
# 遍歷每個表格
for table in tables:
row_num = table.GetRowCount() # 獲取表格總行數
col_num = table.GetColumnCount() # 獲取表格總列數
# 遍歷表格的每一行
for i in range(row_num):
row_data = []
# 遍歷該行的每一列
for j in range(col_num):
# 獲取單元格文本
cell_text = table.GetText(i, j)
row_data.append(cell_text)
# 用空格分隔列數據，拼接成一行
data_list.append(" ".join(row_data))
# 不同表格之間添加空行，區分數據邊界
data_list.append("")
# 5. 將數據寫入TXT文件
with open("提取PDF表格.txt", "w", encoding="utf-8") as f:
f.write("\n".join(data_list))
# 6. 釋放資源，避免內存佔用
pdf_doc.Close()
三、實戰2：提取 PDF 表格數據到 Excel 文件
Excel 文件支持數據篩選、公式計算、圖表生成等高級功能，是數據分析的首選格式。本示例需要結合 Spire.PDF for Python 和 Spire.XLS for Python，在提取數據的基礎上，實現 Excel 文件的創建和數據寫入。
實現步驟拆解
數據提取的步驟與 TXT 示例一致，額外增加 Excel 文件操作的3個核心步驟：
- 創建Excel工作簿：實例化
Workbook對象，清空默認工作表，為後續添加新表格做準備。 - 數據寫入單元格：Excel 的行列索引從1開始（與Python的0索引不同），因此需要將表格的行、列索引分別+1，確保數據寫入正確位置。
- 優化表格格式：調用
AutoFitColumns()方法設置列寬自適應內容，提升表格可讀性，最後保存為指定版本的Excel文件。
完整代碼示例（含詳細註釋）
from spire.pdf import *
from spire.xls import *
# 1. 加載PDF文檔
pdf_doc = PdfDocument()
pdf_doc.LoadFromFile("表格.pdf")
# 2. 創建Excel工作簿並清空默認工作表
excel_workbook = Workbook()
excel_workbook.Worksheets.Clear()
# 3. 初始化表格提取器
table_extractor = PdfTableExtractor(pdf_doc)
# 4. 工作表編號，用於命名新工作表
sheet_index = 1
# 5. 遍歷PDF的每一頁
for page_idx in range(pdf_doc.Pages.Count):
tables = table_extractor.ExtractTable(page_idx)
if tables is not None and len(tables) > 0:
# 遍歷當前頁面的每個表格
for table in tables:
# 創建新工作表，命名為“sheet+編號”
worksheet = excel_workbook.Worksheets.Add(f"sheet{sheet_index}")
row_num = table.GetRowCount()
col_num = table.GetColumnCount()
# 遍歷表格單元格
for i in range(row_num):
for j in range(col_num):
cell_text = table.GetText(i, j)
# Excel索引從1開始，需將i和j分別+1
worksheet.Range[i + 1, j + 1].Value = cell_text
# 設置列寬自適應內容，優化顯示效果
worksheet.AllocatedRange.AutoFitColumns()
# 工作表編號遞增
sheet_index += 1
# 6. 保存Excel文件，指定保存路徑和Excel版本
excel_workbook.SaveToFile("導出PDF表格到Excel.xlsx", ExcelVersion.Version2016)
# 7. 釋放資源
pdf_doc.Close()
excel_workbook.Dispose()
四、關鍵注意事項
- 文件路徑問題：若運行代碼時提示“文件不存在”，請檢查 PDF 文件路徑是否正確，建議使用絕對路徑（如
C:/data/表格.pdf）避免路徑錯誤。 - 中文亂碼處理：寫入 TXT 文件時，務必指定
encoding="utf-8"；導出 Excel 文件時，Spire.XLS for Python 默認支持中文，無需額外配置。 - 資源釋放：使用
Close()和Dispose()方法釋放 PDF 和 Excel 對象，避免長時間運行導致內存泄漏。
五、總結
基於Spire系列庫，能夠快速實現 PDF 表格數據的提取與格式轉換，相比傳統的手動操作，效率提升數十倍。該方案適用於各類場景，如批量提取財務報表、科研數據、政務文件中的 PDF 表格，為數據自動化處理提供了可靠的技術支撐。
