谁帮我用python解析一下pdf，并提取里面的数据以excel的形式保存！pdf公布有一定的规律。

Question

谁帮我用python解析一下pdf，并提取里面的数据以excel的形式保存！pdf公布有一定的规律。
思路是：
我现在有一个文件里面，都是这样类似的pdf，披露的格式大体是这样，现在我想要遍历这个文件夹，挨个去解析每一个pdf，然后解析这个pdf，获取下面的比例数值，然后以excel的形式保存。
可以用1-2家pdf举例来实现这个代码，然后执行能实现我想要的结果就行，这样我就能遍历其他的pdf了。

提供几个pdf案例（下载到本地，需要注意的是，有些议案不披露中小股东表决情况，这种就算空！）：

    http://static.cninfo.com.cn/finalpage/2022-02-12/1212351041.PDF
    http://static.cninfo.com.cn/finalpage/2022-04-30/1213258311.PDF
    http://static.cninfo.com.cn/finalpage/2022-04-30/1213257243.PDF

Answer 1

您好，关于您提出的使用python提出pdf中的指定数据信息，已经为您写好了程序。
最后的效果：

核心代码：

partern_total = r'[0-9]+\.[0-9]*|-?[0-9]+%'
            result_total = re.findall(partern_total,text_total_find)
            total = 0
            if result_total:
                total = result_total[0]

            partern_detail = r'[、\s{0,2}|（.*?）]*[逐项]*(审议[并]{0,1}通过[了]{0,1}.*?)\n'
            result_detail = re.findall(partern_detail, text_detail_find)

            if result_detail:
                for i in range(len(result_detail)):
                    dict_data = {}
                    text_detail_find = text_detail_find[text_detail_find.find(result_detail[i]):]
                    #修正标题
                    if "《" in result_detail[i] and '》' not in result_detail[i]:
                        result_detail[i] = text_detail_find[0:text_detail_find.find('》')+1]
                        result_detail[i] = re.sub('\n','',result_detail[i])

                    title = result_detail[i]#议案标题

                    dict_data['议案'] = title
                    dict_data['出席股东表决权占比'] = total
                    if i!=(len(result_detail)-1):
                        current_text = text_detail_find[0:text_detail_find.find(result_detail[i+1])]
                    else:
                        current_text = text_detail_find

                    result_data = re.findall('(同意|反\n?对|弃\n?权).*?([0-9]+\.[0-9]*|-?[0-9]+)[%|％]',current_text,re.S)

                    if (len(result_data)!=3 and len(result_data)!=6) or not re.findall('反\n?对',current_text):
                        continue

                    dict_data['总体表决情况：同意占比'] = result_data[0][1]
                    dict_data['总体表决情况：反对占比'] = result_data[1][1]
                    dict_data['总体表决情况：弃权占比'] = result_data[2][1]

                    if len(result_data)==6:
                        dict_data['中小股东表决情况：同意占比'] = result_data[3][1]
                        dict_data['中小股东情况：反对占比'] = result_data[4][1]
                        dict_data['中小股东情况：弃权占比'] = result_data[5][1]
                    else:
                        dict_data['中小股东表决情况：同意占比'] = '0.00'
                        dict_data['中小股东情况：反对占比'] = '0.00'
                        dict_data['中小股东情况：弃权占比'] = '0.00'
                    # print(dict_data)
                    pddata = pd.DataFrame(dict_data,index=[0])
                    all_data = pd.concat([all_data,pddata],ignore_index=True)