有没有办法使用 python 将.pdf 转换为.csv？

Question

我目前正在尝试使用 tabula-py，但是我在提取 pdf 数据时尝试的所有文档示例都导致以下错误：返回非零退出状态 1。

所以我只是好奇是否有其他方法可以使用 python 将 pdf 上的表中的数据转换为 csv 文件。

Answer 1

tabula-py 的答案已经在 StackOverflow 和其他资源上可用.. 尝试使用 Camelot：

pip install camelot-py[cv]


import camelot
tables = camelot.read_pdf('X.pdf')
tables.export('X.csv', f='csv', compress=True) # you can also save it different file formats

有关更多信息，请参阅此链接。

Answer 2

如果您希望使用 Python 将表从 PDF 导出到 CSV 文件，这是使用 Taluba 和 Camelot 等库的最佳方式。

首先，我们需要从各个页面中提取表格，然后像 pandas 这样的库将它们导出为 CSV 或其他所需格式。

但是，如果文档是非电子文档，我们将不得不使用 OCR 或 ML 技术来提取表格。

这是一篇博客文章，其中包含一些示例： https://nanonets.com/blog/pdf-table-to-csv/#pdf-table-extraction-to-csv-with-python