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pdfminerk，pdfplumber，pypdf2,pypdf4等，我们学习pdfminerk这个库。PDFminerk是pdfminer对应python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pdfminerk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：