python日常技巧（2）将pdf文件中的表格转化成csv文件

用户1359560

发布于 2019-11-21 21:47:51

2.2K0

发布于 2019-11-21 21:47:51

文章被收录于专栏：生信小驿站

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