有沒有辦法使用 python 將.pdf 轉換為.csv？

Question

我目前正在嘗試使用 tabula-py，但是我在提取 pdf 數據時嘗試的所有文檔示例都導致以下錯誤：返回非零退出狀態 1。

所以我只是好奇是否有其他方法可以使用 python 將 pdf 上的表中的數據轉換為 csv 文件。

Answer 1

tabula-py 的答案已經在 StackOverflow 和其他資源上可用.. 嘗試使用 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

有關更多信息，請參閱此鏈接。

Answer 2

如果您希望使用 Python 將表從 PDF 導出到 CSV 文件，這是使用 Taluba 和 Camelot 等庫的最佳方式。

首先，我們需要從各個頁面中提取表格，然后像 pandas 這樣的庫將它們導出為 CSV 或其他所需格式。

但是，如果文檔是非電子文檔，我們將不得不使用 OCR 或 ML 技術來提取表格。

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