夜雨聆风前阵子公司要处理三百多份供应商的报价单，都是PDF格式。我以前遇到这种事，只会老老实实打开一份，复制，粘贴到Excel，再打开下一份。那些日子我盯着屏幕，眼睛都快瞎了。右手食指因为反复按ctrl+C和ctrl+V，直接疼得贴了膏药。后来有个新来的同事看见了，问我怎么不用Python。我说那玩意儿能弄PDF？他当场给我演示了一下，我当场就愣住了。
他写了一个Python脚本，用了一个叫PyMuPDF的库，还有一个叫pdfplumber的。你们知道结果怎么样吗？原本我要忙三天的活，他跑了三分钟。没错，三分钟。我当时第一反应不是高兴，是觉得自己像个傻子。我之前手动复制粘贴的那三年，到底图什么？
我赶紧让他教我怎么弄。他跟我说，得先安装Python，再去命令行装两个库，一个叫PyMuPDF，一个叫pdfplumber。装完之后，代码其实就几行。比如你想要提取PDF里的所有文字，写个循环，把每一页读出来，然后往一个列表里装，最后一把倒进Excel。就这么简单。
我试了一下，遇到的第一份PDF是扫描件，直接提取出来全是乱码。我差点又觉得这方法不靠谱。结果同事说扫描件得用OCR，他又给我推荐了一个库叫pytesseract。配合Pillow这个图像处理库，把扫描的PDF先转成图片，再用OCR识别文字。虽然识别率不是百分之百，但九成以上的字都能认出来。剩下那些错的，改一改就行。你想想，改三个小时的错，跟原本手动敲三天的字，哪个划算？
最让我震惊的是，他还能处理表格。好多PDF里的报价单其实就是表格样式的，你普通复制粘贴，那些格子里的数据全混在一起。但用了pdfplumber的extract_tables功能，它能直接把表格拆出来，一行一行，一列一列，连格式都保持得挺好。我当时试了一份带表格的合同，提取出来的数据直接能黏到Excel里，连对齐都不用调。
说真的，我要是早知道这些，大概能省下整整一年的加班时间。以前我总觉得Python是那些程序员搞的玩意儿，跟我一个做采购的没关系。后来发现我错了，只要是跟文件打交道的工作，几乎都能用上。PDF，Word，Excel，这些平时折磨我们的文件格式，Python都有对应的库去处理。
我还试过用Python批量合并PDF。以前我手动合并文件，得用Adobe的软件，那个软件动不动就卡住，有时候还会莫名其妙收费。用Python的PyPDF2库，就是把所有PDF文件的路径列出来，然后一个一个往一个新的PDF对象里追加。代码大概五到八行，跑完就完成。你问我为什么不早学？我也问自己。
现在我已经把这个方法教给了好几个同事。他们以前也是一个个复制黏贴的。学完之后，大家最常说的就是，“我们以前到底在干什么？”真的，有时候不是你不够努力，是你没找到对的工具。手动复制粘贴PDF这种活，本质上就是拿人的手去跟机器比效率，怎么比都比不过。
如果你现在还在傻傻地打开PDF，选中文字，复制，再切到Word里粘贴。我劝你花一个周末，去网上找个Python教程，不需要多深，学会安装库，学会调用那几个现成的函数就行。你不用成为一个程序员，你只要成为一个会用工具的人。学会这招之后，你不止省时间，你还省下了那些因为枯燥重复工作而产生的烦躁。
最后说一句，科技这东西，就是用来帮人做那些没意思的工作的。你不去用它，它不会自动来帮你。但只要你愿意迈出第一步，你就会发现，以前那些让你头疼的PDF，其实都是纸老虎。