Tabula 无法识别 table
Tabula does not recognize table
我有一个简单的 python 程序,它接收 pdf(带有 table)并使用 tabula 将数据保存到 csv 文件中:
import tabula
if __name__ == '__main__':
path = input('Filename: ')
pathSegments = path.split('/')
folder = ''
i = 0
while i < len(pathSegments)-1:
folder += '/' + pathSegments[i]
i += 1
name = pathSegments[len(pathSegments)-1].split('.')[0]
dest = folder + '/' + name + '.csv'
print(dest)
tabula.convert_into(path, dest, pages = "all", output_format = "csv")
我尝试了多种不同的 pdf,例如下面一张图片:
然而,结果始终是一个空的 csv 文件,tabula 似乎无法识别 tables
Tabula 在挑选桌子方面并不完美。我会考虑添加一个模板来为 tabula 提供更多指导。这些模板可以根据文档的不同特征动态生成。请参阅此处记录的函数 tabula.read_pdf_with_template
:https://tabula-py.readthedocs.io/en/latest/tabula.html#tabula.io.read_pdf_with_template.
我有一个简单的 python 程序,它接收 pdf(带有 table)并使用 tabula 将数据保存到 csv 文件中:
import tabula
if __name__ == '__main__':
path = input('Filename: ')
pathSegments = path.split('/')
folder = ''
i = 0
while i < len(pathSegments)-1:
folder += '/' + pathSegments[i]
i += 1
name = pathSegments[len(pathSegments)-1].split('.')[0]
dest = folder + '/' + name + '.csv'
print(dest)
tabula.convert_into(path, dest, pages = "all", output_format = "csv")
我尝试了多种不同的 pdf,例如下面一张图片:
然而,结果始终是一个空的 csv 文件,tabula 似乎无法识别 tables
Tabula 在挑选桌子方面并不完美。我会考虑添加一个模板来为 tabula 提供更多指导。这些模板可以根据文档的不同特征动态生成。请参阅此处记录的函数 tabula.read_pdf_with_template
:https://tabula-py.readthedocs.io/en/latest/tabula.html#tabula.io.read_pdf_with_template.