Python中使用Tabula批量转PDF为CSV仅提取第一页的问题

你的代码只提取第一页的原因很明确：tabula.read_pdf(f, pages='all')会返回一个DataFrame列表，每个元素对应PDF里的一页内容，但你用[0]只取了列表的第一个元素（也就是第一页），自然只导出了第一页的数据。

修改后的代码 #

import glob
import pandas as pd
import tabula

# 注意路径里的反斜杠要转义，或者用原始字符串r'mypath\*.pdf'
path = 'mypath\\*.pdf'
for f in glob.glob(path):
    # 读取PDF所有页面，得到每页对应的DataFrame列表
    page_dfs = tabula.read_pdf(f, pages='all')
    # 确保列表不为空（避免空PDF报错）
    if page_dfs:
        # 把所有页面的DataFrame纵向拼接成一个完整的DataFrame
        full_df = pd.concat(page_dfs, ignore_index=True)
        # 生成规范的CSV文件名（替换.pdf为.csv，而不是追加.csv）
        full_df.to_csv(f.replace('.pdf', '.csv'), index=False)

关键修改点 #

• 移除了[0]，获取所有页面的DataFrame列表
• 用pd.concat()将多页数据合并成一个完整的DataFrame，ignore_index=True会重置行索引，避免不同页面的索引重复
• 优化了CSV文件名生成逻辑，从xxx.pdf.csv改成更合理的xxx.csv
• 增加了空列表判断，防止处理空PDF时抛出异常

内容的提问来源于stack exchange，提问作者6114617