Python編程神器：3行代碼提取PDF表格數據

從 PDF 表格中獲取數據是一項痛苦的工作。

不久前，一位開發者提供了一個名為 Camelot 的工具，使用三行代碼就能從 PDF 文件中提取表格數據。

PDF 文件是一種非常常用的文件格式，通常用於正式的電子版文件。

它能夠很好的將不同的排版格式固定下來，形成版面清晰且美觀的展示效果。

然而，對於想要從 PDF 中提取信息的人們來說，PDF 是個噩夢，尤其是表格。

大量的學術報告、論文、分析文章都使用 PDF 展示其中的表格數據，但是對於如果想要直接從表格中複製數據則會非常麻煩。

不久前，有一位開發者提供了一個可從文字 PDF 中提取表格信息的工具——Camelot，能夠直接將大部分表格轉換為 Pandas 的 Dataframe。

Camelot 是什麼.

據項目介紹稱，Camelot 是一個 Python 工具，用於將 PDF 文件中的表格數據提取出來。

具體而言，用戶可以像使用 Pandas 那樣打開 PDF 文件，然後利用這個工具提取表格數據，最後再指定輸出的形式（如 csv 文件）。

代碼示例.

項目提供的 PDF 文件如圖所示，假設用戶需要提取這些文字之間的表格 2-1 中的信息。

PDF 文件。我們需要提取表格 2-1。

使用 Camelot 提取表格數據的代碼如下：

<code>1.  >>> import camelot 
2.  >>> tables = camelot.read_pdf('foo.pdf') #類似於Pandas打開CSV文件的形式 
3.  >>> tables[0].df # get a pandas DataFrame! 
4.  >>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定輸出格式 
5.  >>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 導出數據為文件 
6.  >>> tables 
7.  <tablelist> 
8.  >>> tables[0] 
9.  <table> # 獲得輸出的格式 
10.  >>> tables[0].parsing_report 
11.  { 
12.  'accuracy': 99.02, 
13.  'whitespace': 12.24, 
14.  'order': 1, 
15.  'page': 1 
16.  } 
以下為輸出的結果，對於合併的單元格，Camelot 在抽取後做了空行處理，這是一個穩妥的方法。
 
安裝方法.
項目作者提供了三種安裝方法。
首先，你可以使用 Conda 進行安裝，這是最簡單的。
<code>1.  conda install -c conda-forge camelot-py /<code>
流行的安裝方法是使用 pip 安裝。
<code>1.  pip install camelot-py[cv] /<code>
還可以從項目中克隆代碼，並使用源碼安裝。
<code>1.  git clone https://www.github.com/camelot-dev/camelot 
2.  cd camelot 
3.  pip install ".[cv]" /<code>
最後小編幫助大家整理了一套python教程，下面展示了部分，希望也能幫助對編程感興趣，想做數據分析，人工智能、爬蟲或者希望從事編程開發的小夥伴，畢竟python工資也還可以，如果能幫到你請點贊、點贊、點贊。
 
 
 
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值.
如果你喜歡python，並覺得這篇文章對你有益的話，麻煩多多點贊關注支持！！！！
"/<table>/<tablelist>/<code>

閱讀更多 程序猿老旭 的文章

關鍵字: Excel JSON 表格