基于 MuPDF 引擎的高性能 Python 库，用于提取、分析、转换、渲染和编辑 PDF 等文档。
1.1万813PythonAGPL-3.0更新于 昨天
- Star
- 10,833
- Fork
- 935
- 未关闭 Issue
- 119
- 最近提交
- 6天前
这是什么？
pdfplumber 是一个用于深入解析 PDF 文件内容的 Python 库。它能获取页面上每个字符、矩形、线条、曲线和图片的位置、字体和颜色等信息，让开发者可以在绘图对象层面检查文档，而不只是拿到纯文本。
在这些底层接口之上，它提供了更高层的方法：可按可调的间距容差提取文本，获取单词及搜索结果的坐标，并依据线条或文字对齐方式识别表格。表格可以按行和单元格的列表形式导出，表格查找过程也能通过一组设置进行调整。
项目还提供可视化调试功能，可将页面渲染为图片，并叠加显示识别出的线条、交点和表格，便于调整提取参数。它基于 pdfminer.six 构建，更适合处理机器生成的 PDF，对扫描件效果有限。命令行工具支持将对象导出为 CSV、JSON 或文本。
核心功能
- 01可获取单个字符、线条、矩形、曲线和图片的位置与颜色信息。
- 02支持可调容差的文本提取，并提供实验性的版面模式。
- 03支持单词和正则搜索，返回边界框坐标。
- 04可依据线条、文字对齐或显式坐标识别表格。
- 05提供可视化调试，将页面渲染为图片并叠加显示识别出的表格和线条。
- 06命令行工具可导出为 CSV、JSON 或文本。
适用场景
- 将财务或政府 PDF 报告中的表格提取为 Python 数据结构。
- 从发票或表单中提取带坐标的文本，供后续解析使用。
- 在复杂版式的 PDF 上通过可视化方式调整表格提取参数。
- 检查 PDF 内部的绘图对象，用于分析或调试。
快速上手
- 1
从 PyPI 安装 pdfplumber
pip install pdfplumber - 2
在 Python 中打开 PDF 并打印第一页的第一个字符
使用前须知
- 最适合机器生成的 PDF，不适合扫描文档。
标签
常见问题
- pdfplumber 是什么？
- 用于从机器生成的 PDF 中提取文本、表格及字符、线条、矩形等详细对象信息的 Python 库和命令行工具。 pdfplumber 是一个用于深入解析 PDF 文件内容的 Python 库。它能获取页面上每个字符、矩形、线条、曲线和图片的位置、字体和颜色等信息，让开发者可以在绘图对象层面检查文档，而不只是拿到纯文本。
- pdfplumber 可以免费使用吗？用的什么许可证？
- pdfplumber 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
- pdfplumber 还在维护吗？
- 活跃维护中。pdfplumber 最近一次提交是在 2026年10月15日。
- pdfplumber 适合用来做什么？
- 将财务或政府 PDF 报告中的表格提取为 Python 数据结构。 从发票或表单中提取带坐标的文本，供后续解析使用。 在复杂版式的 PDF 上通过可视化方式调整表格提取参数。 检查 PDF 内部的绘图对象，用于分析或调试。
- pdfplumber 怎么安装和运行？
- 从 PyPI 安装 pdfplumber: pip install pdfplumber 在 Python 中打开 PDF 并打印第一页的第一个字符
- 在哪里获取 pdfplumber？
- 源代码和安装说明在 GitHub 上：https://github.com/jsvine/pdfplumber
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
Rust 库与命令行工具，判断 PDF 是文本型还是扫描型，并将文本型 PDF 无需 OCR 转为 Markdown。
2万1335RustMIT更新于 昨天
开源文档解析工具，把 PDF、Office、HTML 等文件转换为结构化数据，供生成式 AI 使用。
6.9万5107PythonMIT更新于 前天
Python 网页抓取框架，覆盖单次请求、隐身浏览器、解析到并发爬取与数据导出的完整流程。
8.9万9146PythonBSD-3-Clause更新于 前天
将 PDF 及其他文档转换为 Markdown、JSON、分块或 HTML，可选用 LLM 提升精度。
4.1万2934PythonApache-2.0更新于 前天
Python 工具，可将 PDF、Office 文档、HTML、图片、音频等文件转换为 Markdown，便于 LLM 与文本分析流程使用。
19.1万1.4万PythonMIT更新于 17天前