从 PDF 表格中获取数据是一项痛苦的工作。
不久前，一位开发者提供了一个名为 Camelot 的工具，使用三行代码就能从 PDF 文件中提取表格数据。
PDF 文件是一种非常常用的文件格式，通常用于正式的电子版文件。
它能够很好的将不同的排版格式固定下来，形成版面清晰且美观的展示效果。
然而，对于想要从 PDF 中提取信息的人们来说，PDF 是个噩梦，尤其是表格。
大量的学术报告、论文、分析文章都使用 PDF 展示其中的表格数据，但是对于如果想要直接从表格中复制数据则会非常麻烦。
不久前，有一位开发者提供了一个可从文字 PDF 中提取表格信息的工具——Camelot，能够直接将大部分表格转换为 Pandas 的 Dataframe。
Camelot 是什么.
据项目介绍称，Camelot 是一个 Python 工具，用于将 PDF 文件中的表格数据提取出来。
具体而言，用户可以像使用 Pandas 那样打开 PDF 文件，然后利用这个工具提取表格数据，最后再指定输出的形式（如 csv 文件）。
代码示例.
项目提供的 PDF 文件如图所示，假设用户需要提取这些文字之间的表格 2-1 中的信息。
PDF 文件。我们需要提取表格 2-1。
使用 Camelot 提取表格数据的代码如下：
<code>1. >>> import camelot
2. >>> tables = camelot.read_pdf('foo.pdf') #类似于Pandas打开CSV文件的形式
3. >>> tables[0].df # get a pandas DataFrame!
4. >>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定输出格式
5. >>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 导出数据为文件
6. >>> tables
7. <tablelist>
8. >>> tables[0]
9. <table> # 获得输出的格式
10. >>> tables[0].parsing_report
11. {
12. 'accuracy': 99.02,
13. 'whitespace': 12.24,
14. 'order': 1,
15. 'page': 1
16. }以下为输出的结果，对于合并的单元格，Camelot 在抽取后做了空行处理，这是一个稳妥的方法。
![Python编程神器：3行代码提取PDF表格数据]()
安装方法.
项目作者提供了三种安装方法。
首先，你可以使用 Conda 进行安装，这是最简单的。
<code>1. conda install -c conda-forge camelot-py /<code>流行的安装方法是使用 pip 安装。
<code>1. pip install camelot-py[cv] /<code>还可以从项目中克隆代码，并使用源码安装。
<code>1. git clone https://www.github.com/camelot-dev/camelot
2. cd camelot
3. pip install ".[cv]" /<code>最后小编帮助大家整理了一套python教程，下面展示了部分，希望也能帮助对编程感兴趣，想做数据分析，人工智能、爬虫或者希望从事编程开发的小伙伴，毕竟python工资也还可以，如果能帮到你请点赞、点赞、点赞。
![Python编程神器：3行代码提取PDF表格数据]()
![Python编程神器：3行代码提取PDF表格数据]()
![Python编程神器：3行代码提取PDF表格数据]()
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值.
如果你喜欢python，并觉得这篇文章对你有益的话，麻烦多多点赞关注支持！！！！
"/<table>/<tablelist>/<code>
閱讀更多 程序猿老旭 的文章
