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：
>>> import camelot
>>> tables = camelot.read_pdf('foo.pdf') #类似于Pandas打开CSV文件的形式
>>> 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
>>> tables
1>
>>> tables[0]
7, 7)> # 获得输出的格式
>>> tables[0].parsing_report
{
'accuracy': 99.02,
'whitespace': 12.24,
'order': 1,
'page': 1
}
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。
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。
conda install -c conda-forge camelot-py
最流行的安装方法是使用 pip 安装。
pip install camelot-py[cv]
还可以从项目中克隆代码，并使用源码安装。
git clone https://www.github.com/camelot-dev/camelot
cd camelot
pip install ".[cv]"
预览时标签不可点
![]()
微信扫一扫
关注该公众号
![]()
微信扫一扫
使用小程序
：，。视频小程序赞，轻点两下取消赞在看，轻点两下取消在看
';
mydiv.className = "img_loading";
mydiv.src="data:image/gif;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVQImWNgYGBgAAAABQABh6FO1AAAAABJRU5ErkJggg==";
videoPlaceHolderSpan.style.cssText = "width: " + obj.w + "px !important;";
mydiv.style.cssText += ";width: " + obj.w + "px";
videoPlaceHolderSpan.appendChild(videoPlayerIconSpan);
videoPlaceHolderSpan.appendChild(mydiv);
insertAfter(videoPlaceHolderSpan, a);
function ajax(obj){
var url = obj.url;
var xhr = new XMLHttpRequest();
var data = null;
if (typeof obj.data == "object"){
var d = obj.data;
data = [];
for(var k in d) {
if (d.hasOwnProperty(k)){
data.push(k + "=" + encodeURIComponent(d[k]));
}
}
data = data.join("&");
}else{
data = typeof obj.data == 'string' ? obj.data : null;
}
xhr.open('POST', url, true);
xhr.onreadystatechange = function(){
if( xhr.readyState == 4 ){
if( xhr.status >= 200 && xhr.status < 400 ){
obj.success && obj.success(xhr.responseText);
} else {
obj.error && obj.error(xhr);
}
obj.complete && obj.complete();
obj.complete = null;
}
};
xhr.setRequestHeader("Content-Type", "application/x-www-form-urlencoded; charset=UTF-8");
xhr.setRequestHeader("X-Requested-With", "XMLHttpRequest");
xhr.send(data);
}
var mid = "2247504907" || ""|| "";
var biz = "MzIzMzMzOTI3Nw=="||"";
var sessionid = ""||"svr_322518580ad";
var idx = "1";
(function sendReq(parentNode, copyIframe, index, vid) {
ajax({
url: '/mp/videoplayer?vid=' + vid + '&mid=' + mid + '&idx=1&__biz=' + biz + '&sessionid=' + sessionid + '&f=json',
type: "GET",
dataType: 'json',
success: function (json) {
var ret = JSON.parse(json || '{}');
var ori = ret.ori_status;
var hit_biz_headimg = ret.hit_biz_headimg + '/64';
var hit_nickname = ret.hit_nickname;
var hit_username = ret.hit_username;
var selfUserName = "gh_58ebfb9ba92f";
if (ori === 2 && selfUserName !== hit_username) {
var videoBar = document.createElement('div');
var videoBarHtml = '';
videoBarHtml += '
以下视频来源于
';
videoBarHtml += '
';
videoBarHtml += '
';
videoBarHtml += '
' + hit_nickname + '
';
videoBarHtml += '
';
videoBarHtml += '
';
videoBarHtml += '
';
videoBarHtml += '
前往“发现”-“看一看”浏览“朋友在看”