pdf如何提取表格? |
您所在的位置:网站首页 › 黑猴子棒球2汉化版 v12 › pdf如何提取表格? |
欢迎关注 @Python与数据挖掘 ,专注 Python、数据分析、数据挖掘、好玩工具! 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。 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/camelotCamelot 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最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]"文章推荐训练模型时,如何便捷地保存日志信息? 深度盘点:8000字详细介绍 Python 中的 7 种交叉验证方法 效率倍增!PyCaret:一个开源、低代码的 Python 机器学习工具! 盘点数据挖掘中常见的5种 AutoEDA 工具 效率倍增!5 个提高生产力的 Jupyter notebook插件! 太爱了!networkx:一款构建图网络可视化的 Python 工具包! 20+时序模型!GluonTS:一个专门为时间序列建模而设计的工具包! 妙不可言!使用 Python 管道 Pipe 编写代码如此优雅! 只需三五行代码即可产出完美数据分析报告,这四大 AutoEDA 工具包真的太棒了! 深度盘点:机器学习中常见的7种 AutoML 工具库! 超详细!Python 制作一个优雅的词云其实特简单! 微软出品!FLAML:一款可以自动化机器学习过程的神器! 整理不易,有所收获,点个赞和爱心❤️,更多精彩欢迎关注 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |