Python 超强大的PDF表格提取器—Camelot
off999 2024-09-21 20:59 32 浏览 0 评论
如果你有从PDF中批量提取表格的需求，那么这篇文章就是你的福音。
Python 第三方模块 Camelot 能够精准识别PDF中的表格信息，并提取为pandas数据结构，而且还能导出为多种格式：JSON，Excel，HTML和Sqlite。
下面给大家介绍这个模块的使用方法：
1.准备
开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：超详细Python安装指南 进行安装。
如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.
此外，推荐大家用VSCode编辑器，它有许多的优点：Python 编程的最好搭档—VSCode 详细指南。
请选择以下任一种方式输入命令安装依赖：
1. Windows 环境 打开 Cmd (开始-运行-CMD)。
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 如果你用的是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.
pip install camelot-py[cv]
2.使用
最简单的使用方式如下：
import camelot
# 1.读取pdf
tables = camelot.read_pdf('foo.pdf', flavor='stream')
# 2.导出pdf所有的表格为csv文件
tables.export('foo.csv', f='csv') # json, excel, html, sqlite
第一行，导入camelot这个模块。
第二行，以stream的模式读取当前目录的foo.pdf文件。
第三行，将所有表格数据导出为 foo.csv 文件，并保存在当前文件夹下。
相当简单，请注意，read_pdf 的 flavor 参数是可选的，如果你不带这个参数，请注意需要安装 ghostscript 这个驱动，因为它默认使用 ghostscript 去用 lattice 模式。
3.进阶
3.1 处理背景线：
可以看到，很多表格的线都隐藏在背景中。这种表格默认是不支持的，这时候我们需要让程序能够自动识别这样的表格：
tables = camelot.read_pdf('background_lines.pdf', process_background=True)
增加 process_background=True 参数即可。
3.2 指定表格区域
某些情况下无法正确识别到PDF中的表格，此时手动设定左上角和右下角的边界可能是有效果的：
tables = camelot.read_pdf('table_areas.pdf', flavor='stream', table_areas=['316,499,566,337'])
其中 table_areas 接受格式为 x1，y1，x2，y2 的字符串，其中(x1，y1) -> 左上角, (x2，y2) -> 右下角。在PDF坐标空间中，页面的左下角是原点，坐标为（0，0）。
相关推荐
- 云电脑app哪个好（手机云电脑app哪个最好）
-
答：以下是一些比较好的云电脑应用程序推荐：1.AnyDesk-支持Windows、MacOS、Linux、Android和iOS，可用于远程访问和控制PC或移动设备。2.Splashtop...
- 怎样注册邮箱163免费（怎样注册邮箱163免费账号）
-
一、工具：电脑（联网）、浏览器二、操作步骤：【1】打开浏览器，找到“163邮箱”，点击。【2】点击右边的“注册”。【3】网站默认注册手机号码邮箱，填写信息，点击“注册”。若不想泄漏手机号码或不想使用手...
- 微软surface pro 6（微软surface pro 6可以扩容吗）
-
SurfacePro6的接口包含：1个标准尺寸USB3.0端口，3.5mm耳机插孔，MiniDisplayPort，1个SurfaceConnect端口，Surface专业键盘盖端口，microSDX...
- 电源已接通未充电怎么回事（电源已接通未充电 真正解决办法）
-
原因分析:出现这样的原因有可能是长时间没有充电,导致电池的内部电量耗完后亏电严重,只是电脑充电的保护,不让过充而已,只要设置一下电池选项一般就可以解决问题了。解决方法:1、关机,拔下电源,拔出电池,...
- 华为云会议app下载（华为云会议下载）
-
华为云会议可以在PC客户端或者手机客户端上一键发起立即会议,1秒创会。然后在会中选择企业通讯录中的人加入,系统会自动呼叫这些与会人,接听后即加入会议。ZOOM是一个云会议服务平台，为客户提...
- 路由器重置方法（路由器重置方法详细步骤）
-
路由器靠近WAN口边上的有一个小孔用于路由器的重置，路由器配置完成后，我们可能会忘记他的用户名或者是密码，那么我们可以把它恢复到出厂设置，再靠近万口或电源之间，有一个小孔，用一个尖锐的金属查一下大约五...
- 100个有效qq号以及密码（有效qq号和密码大全）
-
如果你的电脑知识好的话，不妨用一些复合密码！SHIFT+一些特殊符号，字母，数字！虽然麻烦了点，但总比被人盗号了的好，是吧！最好还用手机绑定一下，这样的话方便改密码也不怕QQ被盗了哦。。。QQ密码找回...
- win10家庭中文版下载官网（windows10家庭中文版下载）
-
你好，激活Win10家庭中文版的方法：1.购买正版Win10家庭中文版激活码，然后在计算机上输入激活码，即可完成激活。2.如果您已经安装了Win10家庭中文版，但尚未激活，可以通过以下步骤激活：-...
- 电脑截图在哪里找（电脑截图在哪里找图片win10）
-
截图默认会保存在电脑的剪贴板中，可以通过以下步骤将其保存到本地：1.打开任意一款图片软件，如Paint、Photoshop、Word等。2.按下键盘上的Ctrl+V，或者在软件菜单栏中选择&#...
- 电脑里一堆microsoft visual
-
按照系统向下兼容原理，保留2010就可以了.1）你安装的时候是不是把创建快捷键的选项框都没选上，导致在开始菜单中没有找到相应的链接？2）去你的安装目录下，找到Microsoftvisualc++...
-
- windows无法识别usb（windows无法识别usb设备）
-
Windows无法识别USB，解决办法如下右键开始菜单打开设备管理器，在通用串行总线控制器中右键点击设备选择“卸载”，完成后重新启动计算机即可解决问题。这有可能是在组策略中禁用了USB口，可以使用快捷键【Win+R】运行gpedit.msc...
-
2025-11-10 11:51 off999
- bios能看到硬盘 开机找不到硬盘
-
bios里可以看到硬盘，说明硬盘已经被主板识别。进系统找不到，可能硬盘没分区，或者硬盘是动态磁盘，还没有导入或激活。按win+r，输入diskmgmt.msc回车，就打开磁盘管理了，在里面可以给新硬盘...
- 无线网有个红叉（无线网有个红叉,搜索不到网络）
-
连接失败，路由坏换路由，外网坏，报修无线网络处出现红叉表示设备无法正常工作。请检查网卡驱动是否正常，无线网络开关是否打开。解决方法：查看电脑是否有无线网络开关，且是否打开。进入设备管理器检查网卡驱动是...
- thinkpad笔记本官网首页（thinkpad官方商城）
-
官方网站 国内：http://www.thinkworld.com.cn 国内用户只需要访问国内即可。 ThinkPad，中文名为“思考本”，在2005年以前是IBMPC事业部旗下的便携式计算机...
欢迎 你 发表评论:
- 一周热门
-
-
抖音上好看的小姐姐，Python给你都下载了
-
全网最简单易懂!495页Python漫画教程，高清PDF版免费下载
-
Python 3.14 的 UUIDv6/v7/v8 上新，别再用 uuid4 () 啦!
-
python入门到脱坑 输入与输出—str()函数
-
飞牛NAS部署TVGate Docker项目，实现内网一键转发、代理、jx
-
宝塔面板如何添加免费waf防火墙?（宝塔面板开启https）
-
Python三目运算基础与进阶_python三目运算符判断三个变量
-
(新版)Python 分布式爬虫与 JS 逆向进阶实战吾爱分享
-
慕ke 前端工程师2024「完整」
-
失业程序员复习python笔记——条件与循环
-
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)