Python tabula-py 不会读取 pdf

Question

我正在尝试从一系列 PDF 文件中提取表格，但无法使 tabula-py 工作。我一直在尝试通过 Windows OS 上的 Jupyter Notebook 使用它。不幸的是，我也一样

‘FileNotFoundError’

每次我尝试使用 read_PDF()。

根据我目前在网上找到的信息，错误似乎是在尝试运行 Tabula java 文件时产生的。我已经 java 正确安装了。

如有任何帮助，我们将不胜感激。

这是我正在尝试的代码运行:

    from tabula import read_pdf
    df = read_pdf("https://github.com/tabulapdf/tabula-java/raw/master/src/test/resources/technology/tabula/arabic.pdf")

错误信息：

    FileNotFoundError                         Traceback (most recent call last)
    <ipython-input-78-956ad4697ff7> in <module>()
          1 from tabula import read_pdf
    ----> 2 df = read_pdf("https://github.com/tabulapdf/tabula-java/raw/master/src/test/resources/technology/tabula/arabic.pdf")

    C:\Program Files\Anaconda3\lib\site-packages\tabula\wrapper.py in read_pdf(input_path, **kwargs)
         64 
         65     try:
    ---> 66         output = subprocess.check_output(args)
         67     finally:
         68         if is_url:

    C:\Program Files\Anaconda3\lib\subprocess.py in check_output(timeout, *popenargs, **kwargs)
        624 
        625     return run(*popenargs, stdout=PIPE, timeout=timeout, check=True,
    --> 626                **kwargs).stdout
        627 
        628 

    C:\Program Files\Anaconda3\lib\subprocess.py in run(input, timeout, check, *popenargs, **kwargs)
        691         kwargs['stdin'] = PIPE
        692 
    --> 693     with Popen(*popenargs, **kwargs) as process:
        694         try:
        695             stdout, stderr = process.communicate(input, timeout=timeout)

    C:\Program Files\Anaconda3\lib\subprocess.py in __init__(self, args, bufsize, executable, stdin, stdout, stderr, preexec_fn, close_fds, shell, cwd, env, universal_newlines, startupinfo, creationflags, restore_signals, start_new_session, pass_fds)
        945                                 c2pread, c2pwrite,
        946                                 errread, errwrite,
    --> 947                                 restore_signals, start_new_session)
        948         except:
        949             # Cleanup if the child failed starting.

    C:\Program Files\Anaconda3\lib\subprocess.py in _execute_child(self, args, executable, preexec_fn, close_fds, pass_fds, cwd, env, startupinfo, creationflags, shell, p2cread, p2cwrite, c2pread, c2pwrite, errread, errwrite, unused_restore_signals, unused_start_new_session)
       1222                                          env,
       1223                                          cwd,
    -> 1224                                          startupinfo)
       1225             finally:
       1226                 # Child is launched. Close the parent's copy of those pipe

Answer 1

我在没有为 java.exe 设置 PATH 环境的情况下重现了这个问题。确保为 Java 设置 PATH。也可以看看： https://www.java.com/en/download/help/path.xml

Answer 2

为了确保 Windows 可以找到 Java 编译器和解释器： Select开始->计算机->系统属性->高级系统设置->环境变量->系统变量->PATH。 [ 在 Vista 中，select 开始 -> 我的电脑 -> 属性 -> 高级 -> 环境变量 -> 系统变量 -> PATH。 ]

[在WindowsXP中，Select开始->控制面板->系统->高级->环境变量->系统变量->PATH。 ]

前置 C:\Program Files\Java\jdk1.6.0_27\bin;到 PATH 变量的开头。点击确定三下。

Answer 3

df = tabula.read_pdf("Danamon - FS - FY-18.pdf", pages = i, guess = False)

使用附加参数对我有用 guess = False

Answer 4

我在 Ubuntu 遇到过同样的问题。

首先，通过运行 java --version 和javac --version 检查您机器上安装的JDK 和JRE 的版本。每个都应该有一个大于 7 的版本。

然后使用pip3安装tabula

Answer 5

我是这样做的，运行代码

pip install tabula-py
conda install tabula-py
conda install java
from tabula import read_pdf
import pandas as pd
dt = read_pdf('file.pdf', encoding = 'latin1', pages ='all', nospreadsheet = True)

祝你好运..

Answer 6

因为您找不到 PDF 文件。所以首先通过提供绝对或相对路径来查找 PDF 文件。

import os
print(os.getcwd())
print(os.listdir('Other'))

#Locating PDF file with searching and then joining absolute and relative path
file = os.path.join(os.getcwd(), 'test.pdf')

Python tabula-py 不会读取 pdf

Python tabula-py won't read pdf

python

pdf

subprocess

tabula