如何解决tabula-py 不读取文件的完整数据
我试图使用 tabula read_pdf()
方法从 PDF 文件中读取表格。但它不是阅读完整的表格。它在表的某些行中丢失了。
我正在尝试下面给出的代码:
tables = tabula.read_pdf(f,stream=True,pages="all",silent=False,multiple_tables=True,password=pas,pandas_options={'header': None}
)
df = pd.DataFrame()
df = pd.concat([c for c in tables]).drop_duplicates()
df = df.replace(r'^\s*$',np.nan,regex=True)
df = df[df.isnull().sum(axis=1) < df.shape[1] - 2].reset_index(drop=True)
| XNS Date | Narration | Withdrawl | Credits |
|------------|-----------|-----------|---------|
| 01/04/2018 | IMPS 1234 | 2200 | |
| 02/04/2018 | NEFT 4567 | | 4500 |
| 03/04/2018 | RTGS 2234 | | 5500 |
以及来自 PDF 文件的实际数据
| XNS Date | Narration | Withdrawl | Credits |
|------------|-----------|-----------|---------|
| 30/03/2018 | NEFT 445 | | 1200 |
| 31/03/2018 | RTGS 556 | | 2000 |
| 01/04/2018 | IMPS 1234 | 2200 | |
| 02/04/2018 | NEFT 4567 | | 4500 |
| 03/04/2018 | RTGS 2234 | | 5500 |
| 04/04/2018 | POS | 1500 | |
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。