pdfplumber是专门用来处理PDF的第三方库，完全开源和免费，它最核心的功能是提取PDF的文本和表格，支持保留段落、换行、空格的原始格式，不会像某些库那样把不同区域的文本混在一起，是我体验下来最好用的PDF处理库。
pdfplumber可以对PDF进行基本查询和编辑。
- page_number：页码
- width/height：页面尺寸
- rotation：旋转角度
- bbox：页面边界框
- crop(bbox)：裁剪指定区域
- rotate(angle)：旋转页面
- to_image()：生成可视化页面
同时支持提取PDF文本和表格，这是pdfplumber的强项。
- extract_text()：保留布局的整页文本提取
- extract_text_simple()：忽略布局的简单文本提取
- get_textbox(bbox)：提取指定区域文本
- extract_table(table_settings={})：提取页面第一个表格
- extract_tables(table_settings={})：提取页面所有表格
- find_tables()：查找表格边界框
- extract_images()：提取页面所有图像
pdfplumber使用也很简单，比如说提取PDF页面。
import pdfplumber with pdfplumber.open("path/to/file.pdf") as pdf: first_page = pdf.pages[0] print(first_page.chars[0])虽然在Python上使用pdfplumber提取PDF文本表格并不难，但这仅限于懂Python的同学，如果你不会Python，那也是没办法用pdfplumber操作PDF，只能求助于付费软件。
我突发奇想用pdfplumber搭建了个PDF文本表格提取应用，可以实现拖拉拽实现操作，不需要任何的代码。
这个应用是基于streamlit开发的，在浏览器上打开使用，它支持的PDF操作包括：
1、支持拖拽导入PDF，并查看PDF基本信息
2、支持提取PDF文本、表格
3、支持导出Markdown、Word、TxT、Json格式文件
4、支持拉取所有表格，并导出Excel格式文件
5、支持将PDF转换为Word文件，并保持样式
6、支持DeepSeek生成PDF文本摘要
下面以一份PDF行业报告为例，咱们用这个工具去提取文本和表格，速度非常快。
首先将PDF拖到打开栏里，点击处理PDF。
它就会将完整的文本提取出来，并显示PDF的基本信息。
点击表格功能，这个PDF所有的表格都会单独呈现出来，并可以下载Excel文件。
下载的Excel包含所有PDF表格，且高度还原格式。
你可以将提取的文本导出为Word、Markdown、txt、Json格式文件。
导出的Markdown文件如下：
还可以直接将PDF原封不动转换为Word文件。
我还在这个应用里植入了DeepSeek总结功能可以提炼PDF摘要。
以上就是这个web应用的功能，应该是比较适合日常办公处理PDF。
如何安装这个应用呢？
因为它是基于Python streamlit开发的，所以会有一些依赖库，在使用前需要安装到本地电脑，包括：
# Core PDF processing pdfplumber==0.11.0 PyPDF2==3.0.1 pdf2docx==0.5.8 # AI API integration requests==2.31.0 openai==1.12.0 # Document generation python-docx==1.1.0 markdown==3.5.2 # Web framework streamlit==1.31.0 streamlit-extras==0.3.6 # Data processing pandas==2.2.0 numpy==1.26.4 openpyxl==3.1.2 # Async processing aiohttp==3.9.3 # Utilities python-dotenv==1.0.1 Pillow==10.2.0 tqdm==4.66.1 # Logging loguru==0.7.2当然这里默认你的电脑上已经安装好Python，并配置好以上依赖，然后你就可以通过以下命令进入该应用。
streamlit run app.py或者直接点击文件夹里的run批处理文件，就能直接启动应用。
我写了详细的readme，你可以根据指引来安装使用。
想要下载可以去我的Github仓库，地址如下：
https://github.com/zhuweijun1003-source/pdf2text
