如何用Python将含多表格的可填写PDF转CSV？遇非Acrobat打开报错

问题本质 #

你遇到的是依赖Adobe Acrobat专属功能的特殊PDF，这类PDF通常包含XFA表单、Acrobat JavaScript或仅Acrobat能渲染的动态内容，普通PDF解析工具（如PyMuPDF、PyPDF2）无法识别实际内容，只能读取到预设的“非Acrobat打开报错”文本，导致提取结果完全是报错信息，page_count显示为1。

可行解决方案 #

方案1：用Adobe Acrobat手动导出（最可靠） #

直接用Adobe Acrobat Pro/Reader打开目标PDF：

• 点击「文件」→「导出为」→「表格」→「CSV」
• 选择保存路径即可完成转换。
  这是最稳定的方法，只有Acrobat能完整解析这类特殊PDF的内容。

方案2：Python调用Acrobat自动化接口（批量处理） #

如果需要批量转换，可通过pywin32调用Acrobat的COM接口实现自动化：

import win32com.client
from tkinter import Tk, filedialog

# 选择PDF文件
root = Tk()
root.withdraw()
pdf_path = filedialog.askopenfilename(filetypes=[("PDF文件", "*.pdf")])
csv_path = pdf_path.replace(".pdf", ".csv")

# 初始化Acrobat对象
acrobat = win32com.client.Dispatch("AcroExch.App")
pdf_doc = win32com.client.Dispatch("AcroExch.PDDoc")
pdf_doc.Open(pdf_path)

# 调用Acrobat的JS接口导出为CSV
js_obj = pdf_doc.GetJSObject()
js_obj.SaveAs(csv_path, "com.adobe.acrobat.csv")

# 清理资源
pdf_doc.Close()
acrobat.Exit()
print(f"CSV文件已保存至: {csv_path}")

注意：

• 需要安装依赖：pip install pywin32
• 本地必须安装Adobe Acrobat（Reader版本可能不支持导出功能，建议用Pro版本）

方案3：解析XFA表单（针对XFA类型PDF） #

如果你的PDF是XFA（XML Forms Architecture）表单，可尝试用pdfplumber结合lxml解析XFA数据：

import pdfplumber
import lxml.etree as ET
import csv
from tkinter import Tk, filedialog

root = Tk()
root.withdraw()
pdf_path = filedialog.askopenfilename(filetypes=[("PDF文件", "*.pdf")])
csv_path = pdf_path.replace(".pdf", ".csv")

with pdfplumber.open(pdf_path) as pdf:
    # 获取XFA数据包
    xfa_data = pdf.metadata.get("/XFA")
    if not xfa_data:
        print("该PDF不是XFA表单类型")
        exit()
    
    # 解析XFA XML
    try:
        root = ET.fromstring(xfa_data.encode("utf-8"))
    except ET.ParseError:
        print("XFA数据解析失败")
        exit()
    
    # 提取表格数据（需根据实际XFA结构调整节点路径）
    # 示例：假设表格行在命名空间为http://www.xfa.org/schema/xfa-template/3.0/的row节点下
    ns = {"xfa": "http://www.xfa.org/schema/xfa-template/3.0/"}
    rows = []
    for row_node in root.findall(".//xfa:row", namespaces=ns):
        row = []
        # 提取单元格内容，需根据实际字段节点调整
        for cell_node in row_node.findall(".//xfa:field", namespaces=ns):
            row.append(cell_node.text.strip() if cell_node.text else "")
        if row:
            rows.append(row)
    
    # 保存到CSV
    with open(csv_path, "w", newline="", encoding="utf-8") as csv_file:
        writer = csv.writer(csv_file)
        writer.writerows(rows)
    print(f"CSV文件已保存至: {csv_path}")

注意：XFA表单的XML结构差异极大，上述代码仅为示例，需要根据目标PDF的实际XFA结构调整节点路径。

为什么你的原有代码失败？ #

你用fitz提取文本时，读取到的是PDF内置的“非Acrobat打开报错”页面——这类特殊PDF并没有将实际表格内容以标准PDF文本形式存储，而是依赖Acrobat的专属渲染引擎加载内容，普通解析工具只能读取到预设的报错提示页面，所以page_count为1，提取的文本全是报错信息，生成的CSV自然也不符合预期。

内容的提问来源于stack exchange，提问作者Alexandru Mihalache