從大量pdf文件中提取數據到Excel中，用python還是用VBA?

01-10

職場小白，非IT行業，編程基礎只有C語言（二級），不過過了很多年了，現在也基本忘光了。現在工作需要從大量pdf文件（大概兩千多份吧）中提取相關數據整理到Excel中，人工輸入太耗費時間和精力了，所以想通過自動化方式來實現。之前想通過python或者VBA（說的不對輕噴）看看可不可以通過類似爬蟲的方式來實現，但是一直摸不到門道，各位大神有沒有好的思路，可以分享一下。

【PDFelement 6 專業版】支持批量提取 PDF 文件中的數據。

表單填寫和數據提取一直都是PDFelement 6引以為傲的功能。對於中小型企業，在處理財務報表或者稅單、發票時，經常遇到表單歸檔和數據錄入的問題， PDFelement 6 完美的解決了這個需求。PDFelement 6 支持自動識別可填寫表單域，無需轉換格式，即可直接填寫。另外，你還可以設計自己喜歡錶格形式，軟體里可以創建自己需要的表單選項形式，比如：文本欄位，複選框，單選按鈕，組合框，列表框，按鈕或簽名域。

如果從原生 PDF 文檔中提取數據，只需點擊「數據提取」即可將表單的交互區域里的數據批量提取到Excel表格里，方便報告和分析。

如果遇到掃描版PDF文件，也不用擔心，PDFelement 6 專業版里選定要提取數據的區域，執行OCR，即可提取出來。

細節查看文章：乾貨帖 | 各種PDF表單的疑難雜症怎麼解決？

更多 PDF 相關乾貨，歡迎關注知乎專欄：PDF 應用技巧

? 如何隱藏 PDF 里的秘密？｜密文功能

? 進階教程 | PDF 高級玩家教你這幾個實用操作

? 如何一鍵轉換PDF成Word、Excel、PPT文件

? PDF 應用評測：Adobe Acrobat VS PDF Expert VS PDFelement

? 「革命」你的 PDF 閱讀編輯體驗 - iOS 端 PDFelement 限免

? 一款 PDF 軟體需要具備多少個注釋工具才合適？

? Adobe Acrobat XI 和Reader XI 將終止維護，企業用戶何去何從？

? Preview 預覽真的能解決你的 PDF 需求嗎？

? 乾貨帖 | 各種PDF表單的疑難雜症怎麼解決？

? PDFelement 與 PDF Expert，誰更勝一籌？

在上一家公司工作時同事提過類似的需求，我用VBA取巧解決的

上百張從系統中導出的PDF格式發票，名字都是亂碼，需要重命名成發票中的公司名

當時上網查了一下，發現需要調用acrobat控制項

我嘗試了一下，沒有成功，因為公司的電腦只裝了Adobe Reader PDF，沒裝Adobe Acrobat

但同事還在那眼巴巴的等著，不能讓她失望

我點了下PDF閱讀器的「文件」選項卡，發現有另存為的功能！可以將PDF另存為txt

挑了幾個發票文件，發現另存後公司名都在同一行，且發票中的文本數據都在txt中

然後一切就簡單了

用VBA遍歷並打開PDF文件

模擬鍵盤的快捷鍵將文件另存為txt

遍歷TXT文件，打開後提取指定行的數據，給原PDF文件重命名

當然，因為是模擬鍵盤的操作，運行時不能按滑鼠鍵盤，有時還會漏掉一兩個文件

不過因為是重命名操作，一眼就能看出來，手動改也花不了幾秒鐘

那次最重要的發現就是利用Adobe Reader PDF將PDF另存為TXT了，不過我感覺還是用acrobat比較靠譜

試試finereader abbyy出品的來自俄羅斯的神器，主打光符識別

VBA功能還沒有這麼強大，單純的處理Excel，VBA還好。可是看題主的描述，是從pdf取數據存放到Excel,這個VBA就很難很難處理了，甚至不能處理。

「之前想通過python或者VBA（說的不對輕噴）看看可不可以通過類似爬蟲的方式來實現」這個題主的意思應該是從pdf中提取對應的文字或數據（不考慮掃描版那種pdf），用Python可以實現，但難易程度跟數據的規整程度有關係。另外如果pdf取的是表格數據，要麻煩很多，不是很好處理。

題主可以先學著試試吧。

可以使用 Python 第三方庫 PDFMiner 讀取PDF 文件，再轉化為字元，但是這個方法對圖像格式的 PDF 沒有用。

還是比較簡單的，建議用Python，VBA 語法更難。

我試過用Excel vba去實現這個功能，但是有一點不確定是否會符合你的要求，首先呢吧這2000多份的pdf全部轉成excel.然後作為總表，相信這個總表會非常的亂，但沒關係可用VBA處理這些數據。宏的強大足以吧亂的原始數據整理好。通過一些關鍵詞去尋找你要的數據就好。