adobe acrobat 创建的pdf包有什么用？

一个 PDF 包包含多个组合到一个集成 PDF 单元的文件。PDF 包中的文件可以具有不同的格式且可以在不同的应用程序中创建。例如，假设在您的项目中包含文本文档、电子邮件、电子表格、CAD 绘图以及 PowerPoint 演示文稿，您可以将所有这些文档合并到一个 PDF 包中。原始文件保留各自的身份，但会组合到一个 PDF 包文件中。用户可以打开、阅读、编辑每个组件文件并设置其格式，而不受 PDF 包中其它组件文件的制约。

使用“文件”>“创建 PDF 包”命令创建 PDF 包

题图来自 Camelot: List o’ 10 Intriguing Mythical Places

为获取LEED认证项目的评分表明细，可以从USGBC的项目页面上爬取，或者从pdf格式的项目评分表中解析得到。以 重庆某LEED EM:OB v2009 Gold项目 为例，USGBC上公布的 LEED项目得分表 其格式并不统一，利用XPath爬取后需要进一步清洗处理。相对而言，LEED项目所对应的 项目评分表PDF文件 的数据更为规范完整。因此考虑尝试解析出PDF文件中的表格，以便后续分析。

Python 处理PDF文件的程序包，pdfminer、tabula、pdfplumber、camelot……查询资料表明，似乎普遍认为pdfminer的效果不怎么好，而tabula需要java支持 ，想偷懒于是只试了pdfplumber和camelot。

安装过程不赘述，直接来看运行结果。

pdfplumber无法直接解析出Scorecard.pdf文件中的表格，但实际上要解决此问题也并非难事。调整下思路，可先解析出pdf文件中的文本，让后通过分列来得到表格。

利用pdfplumber的extract_text()命令可解析出pdf文件中的文本，但由于本次需要解析的得分表pdf文件的排版的原因，左右两个表格的文本行并未完全对齐，因此如果直接解析完整页面上的文本的话，文字会出错。先用corp()命令指定识别范围，然后再extract_text()，识别得到的文本列表如下所示。

对于类似本例中Scorecard.pdf表格排版有错位的情况，也可以按照表格在页面中所处的位置，指定表格识别的范围。所用到的指令：camelot.plot()可以绘制出页面的略图，table_area参数可以指定表格识别的范围。

又及，Camelot原来是亚瑟王和圆桌骑士们的宫殿所在地，和Asgard的Valhalla一样，也是传说中的圣域。搜索camelot程序安装包时无意中学到的，涨知识了。

[1] Python：解析PDF文本及表格——pdfminer、tabula、pdfplumber 的用法及对比

[2] 用Python提取pdf文件中的表格数据

[3] python读取pdf文件

[4] Github: pdfplumber

[5] Camelot: PDF Table Extraction for Humans

[6] ImageMagick Installation

[7] ImageMagick之PDF转换成图片（image）

[8] LEED 2009 for Existing Buildings: Operations &Maintenance

[9] Camelot - Wikipedia

[10] List o’ 10 Intriguing Mythical Places

[11] Camelot识别pdf表格时的参数设置补充

1、最简单的办法是：下载安装一个“PDF虚拟打印机程序”，您使用任意图文编辑软件（包括word）都可以将编辑结果虚拟打印另存为PDF格式文件。

2、PDF格式是Adobe公司的，Adobe公司的图文编辑软件都可以编辑并输出。比如

Photoshop、Adobe

Illustrator等，其中Adobe

Acrobat

7.0

Professional是专门将其他格式文档转化为PDF格式文档的软件，比如将文本文件、网页文件等转为pdf文件。

3、当然还有很多软件可以另存或导出为pdf,比如CAD类软件。

4、网上还有许多专门编辑pdf格式文件的软件。

---