python读取pdf表格数据代码_Python编程神器：3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。python高薪就业(视频、学习路线、免费获取)​shimo.im

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。

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：

1. >>> import camelot

2. >>> tables = camelot.read_pdf('foo.pdf') #类似于Pandas打开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，可指定输出格式

5. >>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 导出数据为文件

6. >>> tables

7.

8. >>> tables[0]

9.

10. >>> tables[0].parsing_report

11. {

12. 'accuracy': 99.02,

13. 'whitespace': 12.24,

14. 'order': 1,

15. 'page': 1

16. }

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。

1. conda install -c conda-forge camelot-py

流行的安装方法是使用 pip 安装。

1. pip install camelot-py[cv]

还可以从项目中克隆代码，并使用源码安装。

1. git clone https://www.github.com/camelot-dev/camelot

2. cd camelot

3. pip install ".[cv]"

读者福利，点击链接即可领取相关学习福利包：python高薪就业(视频、学习路线、免费获取)​shimo.im

是安全网站放心，继续访问就可以领取了

就业系列：

有方向有目标的学习才能节省时间，没有方向目标的学习,就纯粹浪费时间。

部分视频展示：

电子书系列：

视频容易理解，电子书作为辅助，有时候看视频不方便可以用电子书作为辅助

python人工智能系列：

学习是一个人最大的修养，通过学习不仅可以提升自己的境界，还能丰富知识，为以后的就业打下基础.

学习Python更是一个发展自己的好机会，毕竟人工智能时代已经到来，Python作为人工智能时代的主力军是非常有前景的，梦想没有腐朽，一路还有汗流。加油！

看到末尾的朋友，觉得这篇文章对你有益的话，麻烦点个赞关注多多支持下！