热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

我们如何以一种干净的格式提取表格文本,这将适用于所有pdf?

我正尝试从e-pdf中提取表格文本,并搜索相关名称(相近)应视为相同并填充值。im

我正尝试从e-pdf中提取表格文本,并搜索相关名称(相近)应视为相同并填充值。

import tabula
#from tabula import wrapper
from pdfminer.pdfparser import PDFParser
from pdfminer.pdfdocument import PDFDocument
#from pdfminer.pdfpage import PDFPage
from pdfminer.pdfinterp import resolve1
file = open('filename','rb')
file_path = 'filename'
parser = PDFParser(file)
document = PDFDocument(parser)
# This will give you the count of pages
num = resolve1(document.catalog['Pages'])['Count']
df1 = tabula.read_pdf(file_path,pages=num,stream =True)
#Write the ouput in excel format
df1.to_excel("myoutput1.xlsx",sheet_name='Mainsheet'





推荐阅读
author-avatar
mobiledu2402852357
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有