【Python】针对pdf中不规则表格的数据提取

查找了相关资料，目前python中对pdf表格的抽取主要采用的是pdfplumber、camelot、tabula等，但都是针对完整且相对规范的表格。但对形如下图所示的表格的数据提取，出现了文本表格混排，跨页面表格的衔接等问题，请求大佬指点！

图片说明

写回答
好问题 0 提建议
追加酬金
关注问题
分享
邀请回答
编辑收藏删除
收藏举报

1条回答默认最新

关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
qq_21804627 2020-12-21 18:17
关注
同问，还有那种表格分别只在页面一边的情况（页面排版是左右两边分开分布），这种有时候读文本内容都困难。。。

解决无用
评论打赏
分享
举报

评论

按下Enter换行，Ctrl+Enter发表内容

报告相同问题？

关注问题

python提取excel中的特定数据 python
2022-04-09 00:12

回答 2 已采纳 import pandas as pd df=pd.read_excel('abc.xlsx') df=df.filter(regex='销售数据',axis=1) df.to_excel('bcd.
Python怎么实现拆分表格中的数据 python
2022-06-29 01:17

回答 2 已采纳 import xlrd import xlwt def readFromExcelByXlrd(filename, toSaveFilename, sheetName='Sheet1'):
Python中的tabulate制表表格对不齐 python
2022-06-25 15:11

回答 1 已采纳这是中英文混用的结果，你把表头改成英文或拼音再试试看
通过Python的pdfplumber库提取pdf中表格数据
2023-05-28 18:33

空空star的博客通过Python的pdfplumber库提取pdf中表格数据。
Python如何读取Excel表格数据，提取单独的行或列？ python
2022-02-09 10:28

回答 3 已采纳 import xlrd wb = xlrd.open_workbook(r"C:\Desktop\Dapping.xlsx") #文件路径 ws=wb.sheet_by_name('Hap
python 提取excel的某几列的数据 list python
2021-02-08 08:52

回答 3 已采纳 import pandas as pd file_name = r"new.xlsx" df = pd.read_excel(file_name) columns = ["a","c","e"]
python 爬取表格获取不到数据 python
2020-02-17 22:52

回答 4 已采纳爬取需要在请求头里面添加Host，要不然爬取不到任何信息，另外源码是不规则的html代码，所以需要指定html解析器 ``` # -*- coding：utf-8 -*- import os
python 批量从PDF中提取表格（使用yield语法迭代数据）
2023-03-04 16:37

搬码工琪老师的博客【代码】python 批量从PDF中提取表格（使用yield语法迭代数据）
Python如何提取TXT中的指定数据 python
2021-08-12 14:16

回答 3 已采纳 string = "GPSstate:4GPSread!" with open('f.txt','r') as f: for line in f.readlines(): if
用Python循环提取每个月的数据 python 有问必答
2022-06-24 06:08

回答 6 已采纳假如是如2020-01-01这样日期数据，可使用pandas提取。样例数据： date,open,close,high,low,volume 2021-01-04,4.31,4.42,4.45,4.3
python 如何根据csv表格筛选数据？ python
2022-04-03 03:07

回答 5 已采纳 res = [] with open("aa.csv",'rt') as r: for line in r: line=line.strip()
python读取PDF文件中跨页表格思路分享
2022-11-02 10:57

烫烫烫烫烫烫的博客使用pdfplumber提取pdf中跨页表格
python+selenium+xpath如何定位网页table表格中的数据 python selenium 有问必答爬虫
2022-02-25 12:44

回答 2 已采纳使用last()定位最后一个tr节点，再用索引获取。示例： from lxml import etree with open('a.html','r',encoding='utf-8') as f:
python提取pdf表格数据_Python骚操作，提取pdf文件中的表格数据！
2020-11-28 09:36

weixin_39959298的博客那么如何才能高效提取出pdf文件中的表格数据呢？Python提供了许多可用于pdf表格识别的库，如camelot、tabula、pdfplumber等。综合来看，pdfplumber库的性能较佳，能提取出完整、且相对规范的表格。因...
python读取pdf表格_Python使用Tabula提取PDF表格数据
2020-11-24 11:10

weixin_39586353的博客今天遇到一个批量读取pdf文件中表格数据的需求，样式大体是以下这样：python读取PDF无非就是三种方式（我所了解的），pdfminer、pdf2htmlEX 和 Tabula。综合考虑后，选择了最后一种。下面对三种方式分别介绍：pdf...
没有解决我的问题, 去提问

悬赏问题

¥15 NAO机器人的录音程序保存问题
¥15 C#读写EXCEL文件，不同编译
¥15 如何提取csv文件中需要的列，将其整合为一篇完整文档，并进行jieba分词(语言-python)
¥15 MapReduce结果输出到HBase，一直连接不上MySQL
¥15 扩散模型sd.webui使用时报错“Nonetype”
¥15 stm32流水灯＋呼吸灯＋外部中断按键
¥15 将二维数组，按照假设的规定，如0/1/0 == "4"，把对应列位置写成一个字符并打印输出该字符
¥15 NX MCD仿真与博途通讯不了啥情况
¥15 win11家庭中文版安装docker遇到Hyper-V启用失败解决办法整理
¥15 gradio的web端页面格式不对的问题

【Python】针对pdf中不规则表格的数据提取

1条回答 默认 最新

悬赏问题

1条回答默认最新