pdfplumber是一个用于从 PDF 文件中提取文本、表格和元数据的 Python 库，特别擅长处理含复杂布局（如多栏、合并单元格、不规则表格）的 PDF。它基于pdfminer.six，但提供了更友好、更直观的 API。
安装方式：
pipinstallpdfplumber基本使用示例（提取文本）：
importpdfplumberwithpdfplumber.open("example.pdf")aspdf:full_text=""forpageinpdf.pages:full_text+=page.extract_text()or""# extract_text() 可能返回 Noneprint(full_text)提取表格示例：
withpdfplumber.open("example.pdf")aspdf:forpageinpdf.pages:tables=page.extract_tables()# 返回列表，每个元素是二维列表（表格）fortableintables:print(table)注意事项：
- 中文支持需确保 PDF 内嵌字体且编码正确；若乱码，可尝试设置
layout=True或配合pdfplumber.open(..., password="xxx")解密。 - 性能较慢（逐页解析），大文件建议按需处理页码。
- 不支持直接编辑或生成 PDF，仅用于提取。
在pdfplumber中，可以通过page.crop(bbox)方法先裁剪页面指定矩形区域（bounding box），再在该子区域内调用extract_text()或extract_words()等方法，从而实现精准提取指定坐标范围内的文本。
✅坐标系说明（重要）：
pdfplumber 使用 PDF 标准坐标系：
- 原点
(0, 0)在左下角； x向右递增，y向上递增；bbox = (x0, y0, x1, y1)表示矩形区域，其中：x0,y0：左下角横纵坐标；x1,y1：右上角横纵坐标；- 要求
x0 < x1且y0 < y1。
📌操作步骤：
- 打开 PDF，定位目标页；
- 使用
page.crop((x0, y0, x1, y1))获取裁剪后的CroppedPage对象； - 在裁剪页上调用
extract_text()（支持layout=True/False、keep_blank_chars等参数）； - （可选）用
page.debug_tablefinder({})可视化表格区域辅助定位。
🔧 示例代码：
importpdfplumberwithpdfplumber.open("report.pdf")aspdf:page=pdf.pages[0]# 第一页# 示例：提取左上角约 100×50 区域（注意 y 坐标从底向上！）# 假设页面高度为 page.height ≈ 792（如 Letter 尺寸），则顶部区域 y 范围约为 height-50 到 heightbbox=(50,page.height-100,200,page.height-50)# (x0, y0, x1, y1)cropped=page.crop(bbox)text=cropped.extract_text()print("指定区域文本：",textor"[无文本]")💡 提示：
- 若不确定坐标，可用
page.to_image().draw_rect(bbox).save("debug.png")可视化验证（需安装Pillow和opencv-python或pdfplumber[plot]）； - 支持链式调用：
page.crop(...).extract_text()； crop()也适用于extract_tables()、extract_words()等，提升精度和性能。
