來源丨網絡

大家好，我是菜鳥哥~

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，通常用于正式的電子版文件。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，對于想要從 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，但是對于如果想要直接從表格中復制數據則會非常麻煩。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。

• 項目地址：https://github.com/camelot-dev/camelot

Camelot 是什么

據項目介紹稱，Camelot 是一個 Python 工具，用于將 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，然后利用這個工具提取表格數據，最后再指定輸出的形式（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：

>>>?import?camelot >>>?tables?=?camelot.read_pdf('foo.pdf')?#類似于Pandas打開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，可指定輸出格式 >>>?tables[0].to_csv('foo.csv')?#?to_json,?to_excel,?to_html,?to_sqlite，?導出數據為文件 >>>?tables <TableList?n=1> >>>?tables[0] <Table?shape=(7,?7)>?#?獲得輸出的格式 >>>?tables[0].parsing_report {'accuracy':?99.02,'whitespace':?12.24,'order':?1,'page':?1 }

以下為輸出的結果，對于合并的單元格，Camelot 在抽取后做了空行處理，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。

conda?install?-c?conda-forge?camelot-py

最流行的安裝方法是使用 pip 安裝。

pip?install?camelot-py[cv]

還可以從項目中克隆代碼，并使用源碼安裝。

git?clone?https://www.github.com/camelot-dev/camelot cd?camelot pip?install?".[cv]"

這是我開發的機器人公眾號小號，目前增加了天氣查詢，955公司名單，關注時間查詢；后面還會增加圖片功能和每日送書抽獎送書活動，以及調戲功能，歡迎來體驗，捧場。

推薦閱讀: 入門:?最全的零基礎學Python的問題? |?零基礎學了8個月的Python??|?實戰項目?|學Python就是這條捷徑 干貨:爬取豆瓣短評，電影《后來的我們》?|?38年NBA最佳球員分析?|? ?從萬眾期待到口碑撲街！唐探3令人失望? |?笑看新倚天屠龍記?|?燈謎答題王?｜用Python做個海量小姐姐素描圖?｜碟中諜這么火，我用機器學習做個迷你推薦系統電影 趣味:彈球游戲? |?九宮格? |?漂亮的花?|?兩百行Python《天天酷跑》游戲! AI:?會做詩的機器人?|?給圖片上色?|?預測收入?|?碟中諜這么火，我用機器學習做個迷你推薦系統電影 小工具:?Pdf轉Word，輕松搞定表格和水印！?|?一鍵把html網頁保存為pdf！|??再見PDF提取收費！?|?用90行代碼打造最強PDF轉換器，word、PPT、excel、markdown、html一鍵轉換?|?制作一款釘釘低價機票提示器！?｜60行代碼做了一個語音壁紙切換器天天看小姐姐！｜

年度爆款文案

• 1).臥槽！Pdf轉Word用Python輕松搞定！

• 2).學Python真香！我用100行代碼做了個網站，幫人PS旅行圖片，賺個雞腿吃

• 3).首播過億，火爆全網，我分析了《乘風破浪的姐姐》，發現了這些秘密?

• 4).80行代碼！用Python做一個哆來A夢分身?

• 5).你必須掌握的20個python代碼，短小精悍，用處無窮?

• 6).30個Python奇淫技巧集?

• 7).我總結的80頁《菜鳥學Python精選干貨.pdf》,都是干貨?

• 8).再見Python！我要學Go了！2500字深度分析！

• 9).發現一個舔狗福利！這個Python爬蟲神器太爽了，自動下載妹子圖片

點閱讀原文，看B站我的視頻！

總結

以上是生活随笔為你收集整理的学到一招！三行 Python 代码轻松提取 PDF 表格数据！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。