接了一个小单，需求是：

1. 用Python实现自动生成并更新Tracker表格。
2. Tracker表格中有两个sheet，分别对应相同名字的文件夹，SAV是pdf文件合集，每个文件夹将会有上百个文件（目前只放了几个用于测试，实际上需要录入七八百个文件），需要实现自动按照ID的顺序将信息自动录入Tracker这个excel中。
3. 待提取内容部分来自表格，部分来自文本。
4. 当文件夹中加入新文件时，再次运行代码可以更新excel。

字段对应关系非常简单，同名即对应。

背景如上，开始设计程序。基本思路是：首先针对单个pdf文档进行提取，然后加入遍历文件夹操作。

 这个pdf涉及表格和文字，所以分别提取内容存至列表col_values。然后输出col_values的值，使用自己需要的内容在列表中的位置（索引）将需要的col_values按顺序存放至列表doc_values。

    file=pdfplumber.open(doc_path)
    first_page = file.pages[1]
    #提取表格
    col_values = first_page.extract_table()
    #提取字符串
    text = first_page.extract_text()
    str1 = (text.split('Reference')[2].split('\n \n2.  Discussion')[0])
    str2 = (text.split('3.  Action Required')[1].split('\n \n \n4.  Attachment')[0])
    
    doc_values = [] # 获取需要的列值
    doc_values.append(col_values[0][1])
    doc_values.append(col_values[0][3])
    doc_values.append(col_values[3][1])
    doc_values.append(col_values[4][1])
    doc_values.append(' ')
    doc_values.append(str1)
    doc_values.append(col_values[2][1])
    doc_values.append(col_values[1][1])
    doc_values.append(str2)

至此完成对单个pdf文档的内容提取，将其设计为可被调用的函数write_pdf，主函数是遍历文件夹部分+写入excel部分。在将doc_values写入excel之前需要加入一个判断结构：判断当前文件是否已经被写入excel，同时注意写入excel时使用的是追加操作。

import pdfplumber
from openpyxl import load_workbook
import os

def write_pdf(doc_path):
    file=pdfplumber.open(doc_path)
    first_page = file.pages[1]
    #提取表格
    col_values = first_page.extract_table()
    #提取字符串
    text = first_page.extract_text()
    str1 = (text.split('Reference')[2].split('\n \n2.  Discussion')[0])
    str2 = (text.split('3.  Action Required')[1].split('\n \n \n4.  Attachment')[0])
    
    doc_values = [] # 获取需要的列值
    doc_values.append(col_values[0][1])
    doc_values.append(col_values[0][3])
    doc_values.append(col_values[3][1])
    doc_values.append(col_values[4][1])
    doc_values.append(' ')
    doc_values.append(str1)
    doc_values.append(col_values[2][1])
    doc_values.append(col_values[1][1])
    doc_values.append(str2)
    return doc_values

if __name__ == '__main__':
    for filepath,dirnames,filenames in os.walk(r"D:\install\desktop\AM\SAV"):
        for filename in filenames:
            doc_path = os.path.join(filepath,filename)
            doc_values = write_pdf(doc_path)
            wb = load_workbook('D:\install\desktop\EAM\EAM\Tracker.xlsx')
            ws2 = wb['SAV']
            rows = ws2.max_row
            print(rows)
            columnA_data = []
            for i in range(1, rows):
                cell_value = ws2.cell(row=i+1, column=1).value
                columnA_data.append(cell_value)
            if doc_values[0] in columnA_data:
                print("文件{}已被写入excel".format(doc_values[0]))
            else:
                ws2.append(doc_values)
                
                wb.save('D:\install\desktop\EAM\EAM\Tracker.xlsx')
                print('保存成功')