从pdf中获取表格数据

huiyinimen

于 2020-03-22 17:39:19 发布

阅读量738

点赞数

分类专栏：学习笔记文章标签： python

本文链接：https://blog.youkuaiyun.com/huiyinimen/article/details/105031477

版权

本文介绍了使用Python从PDF中提取表格数据的三种方法：tabula、camelot和pdfplumber。tabula依赖Java环境，camelot提供了详细的安装指南，而pdfplumber则直接进行安装。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tabula

需要有Java环境才能运行
安装

pip install tabula-py

import tabula
import os

df = tabula.read_pdf(r"C:\Users\86159\Desktop\helloworld\mypdf.pdf", pages='all')
print(df)

camelot

 pip install camelot-py[cv]

安装不成功可以参考：

https://blog.youkuaiyun.com/huiyinimen/article/details/105031160

import camelot

tables = camelot.read_pdf('mypdf.pdf',flavor='stream')
print(tables)
# tables[0].df.to_excel('temp1.xlsx')
tables[0].df.to_html('temp.html')

pdfplumber

安装

pip install pdfplumber

import pdfplumber
import pandas as pd

with pdfplumber.open("mypdf.pdf") as pdf:
    # 获取第一页
    first_page = pdf.pages[0]

    # 解析文本
    text &

最低0.47元/天解锁文章