PDF是一个比较坑的东西，有很多处理PDF的库，但是没有完美的。

PDF文本的识别读取

读取PDF文本的库有pdfminer3k，pdfplumber，pypdf2,pypdf4等，我们学习pdfminer3k这个库。PDFminer3k是pdfminer对应python3的版本，主要用于读取PDF的文本，它对表格的读取支持的不太友好，表格格式都会消失。

使用命令安装pdfminer3k库，如下图所示：

导入PDFminerk相关类，代码示例如下图所示：

运行代码结果如下图所示：

我们可以看到表格内容打印出来了格式都没有了。

读取PDF表格

能够识别PDF表格的库也有很多，如camelot、tabula、pdfplumber等，综合来看pdfplumber库的性能较佳，可以提取出完整且相对规范的表格。因此我们学习pdfplumber库。pdfplumber库是按页处理PDF的，可以获取页面所有文字，还提供了两个单独的方法用于提取表格，分别是extract_tables()和extract_table()。

使用命令安装pdfplumber库，如下图所示；

extract_tables()

返回页面中所有的表格，以嵌套列表形式存在，所有表格被放在一个大列表中，代码如下图所示：

运行结果如下图所示

extract_table()

返回一个表格列表，如果页面只有一个表格就返回这一个表格，如果有多个表格返回列数多的表格，列数相同返回第一个表格，如下图所示：

运行结果如下图所示：