如何在 Python 中提取 PDF 表格？
原文:https://www . geesforgeks . org/how-extract-pdf-tables-in-python/
本主题是关于从 PDF 中提取表格的方法，请输入 Python。首先我们来讨论一下什么是 PDF 文件？
PDF(可移植文档格式)可能是一种文件格式，它将打印文档的所有天气情况捕获为位图，您只需查看、导航、打印或转发给其他人。PDF 文件是使用 Adobe Acrobat 创建的，
示例:
假设一个 PDF 文件包含一个表格
| 用户标识 | 名字 | 职业 | | one | 大卫 | 产品管理 | | Two | 狮子星座 | 信息技术管理员 | | three | 约翰 | 律师 |我们想把这张表读入我们的 Python 程序。这个问题可以用几种方法来解决。让我们逐一讨论。
方法一:用白板
tabula-py 是 tabula-java 的一个简单的 Python 包装器，可以读取 PDF 中的表格。您可以使用命令安装白板库。
pip install tabula-py
pip install tabulate
示例中使用的方法有:
read_pdf(): 从给定地址的 pdf 文件的表中读取数据
制表():以表格格式排列数据
这里使用的 PDF 文件是 PDF 。
Python 3
from tabula import read_pdf
from tabulate import tabulate
#reads table from pdf file
df = read_pdf("abc.pdf",pages="all") #address of pdf file
print(tabulate(df))
输出:
方法二:使用卡梅洛特
Camelot 是一个 Python 库，有助于从 PDF 文件中提取表格。您可以使用命令安装 camelot-py 库
pip install camelot-py
示例中使用的方法有:
read_pdf(): 从给定地址的 pdf 文件的表中读取数据
表格[索引]。df: 指向给定索引的所需表
这里使用的 PDF 文件是 PDF 。
Python 3
import camelot
# extract all the tables in the PDF file
abc = camelot.read_pdf("test.pdf") #address of file location
# print the first table as Pandas DataFrame
print(abc[0].df)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
