Python新工具：用三行代码提取PDF表格数据

从 PDF 表格中获取数据是一项痛苦的工作。不久前，一位开发者提供了一个名为 Camelot 的工具，使用三行代码就能从 PDF 文件中提取表格数据。

我们注重客户提出的每个要求，我们充分考虑每一个细节，我们积极的做好成都做网站、成都网站建设服务，我们努力开拓更好的视野，通过不懈的努力，创新互联建站赢得了业内的良好声誉，这一切，也不断的激励着我们更好的服务客户。主要业务：网站建设,网站制作,网站设计,重庆小程序开发公司,网站开发,技术开发实力，DIV+CSS，PHP及ASP，ASP.Net，SQL数据库的技术开发工程师。

PDF 文件是一种非常常用的文件格式，通常用于正式的电子版文件。它能够很好的将不同的排版格式固定下来，形成版面清晰且美观的展示效果。然而，对于想要从 PDF 中提取信息的人们来说，PDF 是个噩梦，尤其是表格。

大量的学术报告、论文、分析文章都使用 PDF 展示其中的表格数据，但是对于如果想要直接从表格中复制数据则会非常麻烦。不久前，有一位开发者提供了一个可从文字 PDF 中提取表格信息的工具——Camelot，能够直接将大部分表格转换为 Pandas 的 Dataframe。

项目地址：https://github.com/camelot-dev/camelot

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。

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。

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

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]"

网页标题：Python新工具：用三行代码提取PDF表格数据
网页网址：http://www.stwzsj.com/qtweb/news9/4159.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容