摘要：最近需要将一批PDF文件中的某些数据整理到Excel中，因为文件数量接近20w+，手动更新几乎不现实，于是就提取关键词和内容动手写了个Python小工具，以实现自动完成上述目标。
作者博客地址：http://www.yooongchun.com/
注意：如果是提取PDF发票内容，请参考这篇文章：https://blog.csdn.net/zyc121561/article/details/80933496 如果是提取表格内容，请参看这篇文章：https://blog.csdn.net/zyc121561/article/details/82860316
-
要求：
- 读取PDF文件找到特定关键字，然后读取其对应的数值提取出来
- 在Excel中查找对应关键字，然后在对应位置把上面提取出来的内容填进去
-
基本实现过程：
- 遍历文件夹，按照特定的要求找出指定类型的PDF文件
- 解析PDF文件
- 提取指定内容和对应值
- 更新数据到Excel
-
所需工具：
- 解析PDF文件的模块：pdfminer
- 操作Excel的模块：xlwt、xlrd、xlutils
- 注意：要在一个已经存在的Excel中写入数据需要配合xlutils使用，即先copy一个Excel对象，在该对象中进行写入，最后删除原对象而保存copy出来的对象
- io操作：os模块
- 匹配PDF文件：re模块
-
代码实现：
-
首先，把手工配置好的要求信息读入，主要包括各种文件提取规则，提取内容和文件的读写路径
-
接着需要把刚才读入的规则按照特定的格式抽取出来
-
使用读入的路径来初始化程序的文件操作路径
-
现在到指定的目录去读取文件夹
-
读取Excel，把内容加载到程序中
-
根据指定的规则来抽取Excel中的特定内容，用来之后匹配文件，找到应写入数据的对应位置
-
按照上面得到的文件序列来匹配文件夹名称，找到匹配的PDF文件目录
-
从前面匹配得到的PDF文件目录中抽取得到特定类型的PDF文件，抽取的规则是配置文件指定的
-
解析PDF文件，转换为可读取的TXT文件
-
遍历解析所有PDF文件
-
从转换出来的txt文件中抽取指定内容
-
把文件内容按照匹配原则写入Excel中
-
使用一个遍历程序把所有解析出来的PDF文件抽取内容并写入到Excel中
-
为了保证程序功能模块的独立，需要另外写两个小函数，分别完成获取文件类型和匹配特定类型文件的功能，这两个属于特殊情况
-
程序的主函数内容
-
-
打包为exe可执行程序
Python程序要在没有安装Python开发包的电脑上运行的话，需要打包发布，Python提供了程序来实现一键打包，首先下载安装模块，
安装完成后搜索找到 复制到你想要打包的文件的位置，也就是你的 文件的位置，然后使用命令行执行：
比如我的 放在了 路径下，同时里面还有一个 的文件我想要打包成 程序，那么我的运行命令就是：
现在如果一切正常的话程序就会运行在当前目录下生成 、 、 、 的四个文件，需要的运行程序在 目录下，里面除了 程序外会有许多文件，那是程序运行需要的支持文件。
当然， 还提供了更丰富的打包功能，比如加入自己的程序图标，程序运行时不显示命令行窗口等，这个就自己探索了！
-
程序的使用说明文档: