如何解决在python中读取类似结构不是精确表的pdf表并将其提取为任何文件格式
我有一个pdf文件,其中中间的页面充满了测量值。我看起来像一张桌子,但没有完全用线条装饰。我想以与查看csv或Excel文件相同的方式提取数据。
pdf文件数据示例:
column1 column2 column3 column4
1 0.05 2.01 3.09
2 5.05 4.01 6.03
3 7.01 8.02 1.00
pdf数据中没有对齐。就像表中的分隔符一样,它不是分开的。那么哪个模块适合将其导出为Excel或csv?
解决方法
您可以使用textract实现此目的,但这还取决于文件。
它支持多种类型的文件,包括PDF
import textract
text = textract.process("path/to/file.pdf")
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。