093、PyPDF2 与 pdfplumber：提取文字、表格、合并拆分 PDF 的实用脚本

093、PyPDF2 与 pdfplumber：提取文字、表格、合并拆分 PDF 的实用脚本一、一个让我熬夜的PDF提取问题上周五晚上，一个同事跑过来跟我说：“哥，我有个PDF，里面全是表格，用PyPDF2提取出来全是乱码，怎么办？”我打开那个PDF一看，好家伙，是个扫描件转成的PDF，文字层根本不存在。这让我想起自己刚入行时，为了从一个政府报告PDF里提取数据，硬是折腾到凌晨三点——后来发现用错了库。PDF处理在Python里是个坑，坑就坑在“PDF”这个格式本身太复杂。有的PDF是文字流，有的是图片，有的混合了表格和图片。PyPDF2和pdfplumber这两个库，一个像瑞士军刀，一个像手术刀，用对场景才能解决问题。二、PyPDF2：老牌PDF操作工具PyPDF2（现在叫pypdf，但老项目里PyPDF2还在用）适合做PDF的结构操作：合并、拆分、旋转、加密解密。它不擅长提取文字，尤其是复杂排版。安装与基础读取# 别用pip install PyPDF2，现在官方推荐pypdf# 但老项目里PyPDF2还能用，我一般两个都装