python日常技巧（2）将pdf文件中的表格转化成csv文件

• 2019 年 11 月 21 日
• 筆記

前文介绍

从 PDF 表格中提取表格数据时比较困难的。不久前，一位开发者提供了一个名为 Camelot 的工具，满足大家从 PDF 文件中提取表格数据。

（1）安装

• 使用conda

安装Camelot的最简单方法是使用[conda]（https://conda.io/docs/）进行安装，这是[Anaconda]的软件包管理器和环境管理系统。

 conda install -c conda-forge camelot-py

Camelot 支持 Python 2.7, 3.5, 3.6 and 3.7 包含 （Linux, macOS and Windows系统）。但是对于windows系统，你必须安装ghostscript（https://www.ghostscript.com/download/gsdnld.html）

• 使用pip

安装依赖包（包括Tkinter和ghostscript）之后，可以简单地使用pip安装Camelot：

pip install camelot-py[cv]

（2）示例

# -*- coding: utf-8 -*-  """  Created on Sat Nov 16 12:48:55 2019    @author: czh  """  %reset -f  %clear  # In[*]  import camelot  import os  os.chdir('D:\pywork\shuiyin')    # In[*]  >>> import camelot  >>> tables = camelot.read_pdf('foo.pdf') #类似于Pandas打开CSV文件的形式  # In[*]  >>> tables[0].df # get a pandas DataFrame!  >>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定输出格式  >>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 导出数据为文件