盗墓笔记,怎样写网络小说,古风君子以泽

新聞中心

這里有您想知道的互聯(lián)網營銷解決方案

Python新工具：用三行代碼提取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(fā)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。

我們注重客戶提出的每個要求，我們充分考慮每一個細節(jié)，我們積極的做好成都做網站、成都網站建設服務，我們努力開拓更好的視野，通過不懈的努力，創(chuàng)新互聯(lián)建站贏得了業(yè)內的良好聲譽，這一切，也不斷的激勵著我們更好的服務客戶。主要業(yè)務：網站建設,網站制作,網站設計,重慶小程序開發(fā)公司,網站開發(fā),技術開發(fā)實力，DIV+CSS，PHP及ASP，ASP.Net，SQL數據庫的技術開發(fā)工程師。

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(fā)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   
  
  
     
  
  
  >>> tables[0]   
  
  
   # 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(wěn)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

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]"

當前題目：Python新工具：用三行代碼提取PDF表格數據
分享路徑：http://m.fisionsoft.com.cn/article/dpssooe.html

新聞中心

其他資訊