Biblioteca Python de alto desempenho para extrair, analisar, converter, renderizar e editar PDFs e outros formatos de documento, baseada no mecanismo MuPDF.
10,9 mil813PythonAGPL-3.0Atualizado ontem
jsvine/pdfplumber
Biblioteca Python e CLI para extrair texto, tabelas e dados detalhados de objetos (chars, linhas, retângulos) de PDFs gerados por computador.
Alternativa open source a:Adobe Acrobat
- Estrelas
- 10,833
- Forks
- 935
- Issues abertas
- 119
- Último commit
- há 6 dias
O que é?
pdfplumber é uma biblioteca Python para explorar o conteúdo de arquivos PDF. Ela expõe cada caractere, retângulo, linha, curva e imagem de uma página, junto com sua posição, fonte e cor, permitindo que desenvolvedores inspecionem um documento no nível de objetos gráficos individuais, em vez de apenas como texto simples.
Além desse acesso de baixo nível, ela oferece métodos de nível mais alto para extrair texto com tolerâncias de espaçamento configuráveis, localizar palavras e resultados de busca com suas coordenadas e detectar tabelas a partir de linhas divisórias ou do alinhamento do texto. As tabelas podem ser extraídas como listas de linhas e células, e o localizador de tabelas pode ser ajustado por meio de um conjunto de configurações.
A biblioteca inclui ferramentas de depuração visual que renderizam uma página como imagem e sobrepõem as linhas, interseções e tabelas detectadas, o que ajuda a ajustar as configurações de extração. Ela é construída sobre pdfminer.six e funciona melhor com PDFs gerados por computador do que com PDFs digitalizados. Uma interface de linha de comando pode exportar objetos como CSV, JSON ou texto.
Recursos principais
- 01Acesso a caracteres, linhas, retângulos, curvas e imagens individuais, com dados de posição e cor.
- 02Extração de texto com tolerâncias ajustáveis e um modo experimental de layout.
- 03Busca por palavras e regex que retorna caixas delimitadoras.
- 04Detecção de tabelas a partir de linhas divisórias, alinhamento do texto ou coordenadas explícitas.
- 05Depuração visual que renderiza páginas e sobrepõe tabelas e linhas detectadas.
- 06Exportação pela linha de comando para CSV, JSON ou texto.
Casos de uso
- Extrair tabelas de relatórios financeiros ou governamentais em PDF para estruturas de dados Python.
- Extrair texto com coordenadas de faturas ou formulários para processamento posterior.
- Ajustar visualmente as configurações de extração de tabelas em layouts difíceis de PDFs.
- Inspecionar os objetos gráficos de um PDF para análise ou depuração.
Início rápido
- 1
Instale pdfplumber do PyPI
pip install pdfplumber - 2
Abra um PDF e imprima o primeiro caractere da primeira página em Python
Antes de usar
- Funciona melhor com PDFs gerados por computador do que com documentos digitalizados.
Tópicos
Perguntas frequentes
- O que é pdfplumber?
- Biblioteca Python e CLI para extrair texto, tabelas e dados detalhados de objetos (chars, linhas, retângulos) de PDFs gerados por computador. pdfplumber é uma biblioteca Python para explorar o conteúdo de arquivos PDF. Ela expõe cada caractere, retângulo, linha, curva e imagem de uma página, junto com sua posição, fonte e cor, permitindo que desenvolvedores inspecionem um documento no nível de objetos gráficos individuais, em vez de apenas como texto simples.
- pdfplumber é gratuito? Qual é a licença?
- pdfplumber é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- pdfplumber ainda é mantido?
- Manutenção ativa. O último commit de pdfplumber foi em 15 de out. de 2026.
- Para que posso usar pdfplumber?
- Extrair tabelas de relatórios financeiros ou governamentais em PDF para estruturas de dados Python. Extrair texto com coordenadas de faturas ou formulários para processamento posterior. Ajustar visualmente as configurações de extração de tabelas em layouts difíceis de PDFs. Inspecionar os objetos gráficos de um PDF para análise ou depuração.
- Como instalar pdfplumber?
- Instale pdfplumber do PyPI: pip install pdfplumber Abra um PDF e imprima o primeiro caractere da primeira página em Python
- Onde consigo pdfplumber?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/jsvine/pdfplumber
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Rust e CLI que detectam se um PDF contém texto ou é digitalizado e convertem PDFs com texto em Markdown limpo, sem OCR.
19,7 mil1,3 milRustMITAtualizado ontem
Parser de documentos open source que converte PDFs, arquivos do Office, HTML e outros formatos em dados estruturados para pipelines de IA generativa.
69,1 mil5,1 milPythonMITAtualizado anteontem
Framework de web scraping em Python para requisições HTTP, navegadores stealth, parsing e crawls concorrentes completos com exportação de dados.
88,6 mil9,1 milPythonBSD-3-ClauseAtualizado anteontem
Converte PDFs e outros documentos para Markdown, JSON, chunks ou HTML, com assistência opcional de LLM para maior precisão.
40,6 mil2,9 milPythonApache-2.0Atualizado anteontem
Utilitário Python que converte PDFs, documentos do Office, HTML, imagens, áudio e outros formatos em Markdown para pipelines de LLM e análise de texto.
191,2 mil14,2 milPythonMITAtualizado há 17 dias