Python中怎么提取PDF表格数据

Python 中怎么提取 PDF 表格数据,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

创新互联服务项目包括兴宾网站建设、兴宾网站制作、兴宾网页制作以及兴宾网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,兴宾网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到兴宾省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!



Camelot 是什么
据项目介绍称,Camelot 是一个 Python 工具,用于将 PDF 文件中的表格数据提取出来。
具体而言,用户可以像使用 Pandas 那样打开 PDF 文件,然后利用这个工具提取表格数据,最后再指定输出的形式(如 csv 文件)。
代码示例
项目提供的 PDF 文件如图所示,假设用户需要提取这些文字之间的表格 2-1 中的信息。

Python 中怎么提取 PDF 表格数据
PDF 文件。我们需要提取表格 2-1。  
使用 Camelot 提取表格数据的代码如下:
>>> import camelot
>>> tables = camelot.read_pdf('foo.pdf') #类似于Pandas打开CSV文件的形式
>>> tables[0].df # get a pandas DataFrame!
>>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite,可指定输出格式
>>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite, 导出数据为文件
>>> tables

>>> tables[0]
 # 获得输出的格式
>>> tables[0].parsing_report
{
    'accuracy': 99.02,
    'whitespace': 12.24,
    'order': 1,
    'page': 1
}
以下为输出的结果,对于合并的单元格,Camelot 在抽取后做了空行处理,这是一个稳妥的方法。
Python 中怎么提取 PDF 表格数据
安装方法  
项目作者提供了三种安装方法。  首先,你可以使用 Conda 进行安装,这是最简单的。
conda install -c conda-forge camelot-py

 
最流行的安装方法是使用 pip 安装。
pip install camelot-py[cv]

 
还可以从项目中克隆代码,并使用源码安装。
git clone https://www.github.com/camelot-dev/camelot
cd camelot
pip install ".[cv]"

关于Python 中怎么提取 PDF 表格数据问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注创新互联行业资讯频道了解更多相关知识。


网站标题:Python中怎么提取PDF表格数据
文章源于:http://myzitong.com/article/ijcjcj.html