Python读取pdf无框线表格_Python将PDF数据解析为表格形式

这听起来像是有了文本在页面上的位置将大大帮助你。我建议使用PyMuPDF来提取包含位置数据的文本，这样就可以找到一行。在

下面是一个代码示例，用于获取带有位置的*.csv文本文件。希望这能让您开始使用Python挖掘信息。在#!python3.3

""" Use PyMuPDF to extract text to *.csv file. """

import csv

import json

import os

import sys

import fitz

assert len(sys.argv) == 2, 'Pass file name as parameter'

srcfilename = sys.argv[1]

assert os.path.isfile(srcfilename), 'File {} does not exist'.format(srcfilename)

dstfilename = '{}.csv'.format(srcfilename)

with open(dstfilename, 'w', encoding='utf-8', errors='ignore', newline='') as dstfile:

writer = csv.writer(dstfile)

writer.writerow([

'PAGE',

'X1',

'Y1',

'X2',

'Y2',

'TEXT',

])

document = fitz.open(srcfilename)

for page_number in range(document.pageCount):

text_dict = json.loads(document.getPageText(page_number, output='json'))

for block in text_dict['blocks']:

if block['type'] != 'text':

continue

for line in block['lines']:

for span in line['spans']:

writer.writerow([

page_number,

span['bbox'][0],

span['bbox'][1],

span['bbox'][2],

span['bbox'][3],

span['text'],

])

document.close()

我写了一些代码来挖掘您的PDF文件，并将其放入格式更好的*.csv文件中：

^{pr2}$

你可能要做更多的工作才能得到你想要的东西。在

Python读取pdf无框线表格_Python将PDF数据解析为表格形式相关推荐

python如何读取数据并输出为表格_Python 爬取数据并导出表格
从网站请求数据要爬取数据,首先得用到Python的库,这里我直接选择了requests,其他库没有对比,也没有去了解,暂时不做讨论,以后如果有深入了解再补充吧. 安装requests pip ins ...
python怎么读文件里的某一行-python读取txt文件并取其某一列数据的示例
菜鸟笔记首先读取的txt文件如下: AAAAF110 0003E818 0003E1FC 0003E770 0003FFFC 90 AAAAF110 0003E824 0003E208 0003E7 ...
python读取指定路径txt文件-python读取txt文件并取其某一列数据的示例
菜鸟笔记首先读取的txt文件如下: AAAAF110 0003E818 0003E1FC 0003E770 0003FFFC 90 AAAAF110 0003E824 0003E208 0003E7 ...
Python通过Django搭建网站执行Lua脚本（实现数据解析）
目录 Python通过Django搭建网站执行Lua脚本 (实现数据解析) 一.问题背景和解决二.执行Lua效果预览三.主要代码解析: translate.py LuaParser.lua Bin ...
beautifulsoup解析动态页面div未展开_Python爬虫 | 0xb 数据解析：PyQuery库
(给抠腚男孩加星标,提升Python.Android技能) 作者:CoderPig 本节带来数据解析部分最后一个解析库PyQuery,它的API和前端著名框架jQuery相似,名字由此而来.如果你有前 ...
xlsx表格怎么筛选重复数据_excel表格如何筛选重复数据在Excel表格的两列数据中提取不重复值的四种方法...
excel表格如何筛选重复数据在Excel表格的两列数据中提取不重复值的四种方法,最近到了季度汇报的时候,掌握一手excel技能在此刻显得多么重要,为了是你的excel看起来更高大上,今天教大家设置 ...
python pdf 数据转excel 表格_python实现PDF中表格转化为Excel的方法
这几天想统计一下<中国人文社会科学期刊 AMI 综合评价报告(2018 年):A 刊评价报告>中的期刊,但是只找到了该报告的PDF版,对于表格的编辑不太方便,于是想到用Python将表格转 ...
python 读取excel文件效率时间格式_python读取Excel文件中的时间数据
在使用python读取Excel文件中的时间格式,碰到的时间格式转换问题: 读取这样的表格: 输出这样的数据结果: 然而这样的结果却不是我们想要的,我们需要的是这样的结果: 1.安装python官方库 ...
python读取邮件发送日期和时间_Python读取指定日期邮件的实例
背景:9月份有部分数据缺失,这部分数据在邮箱里,需要重新拉取,但是每天几百封邮件,总共有6.7万封邮件,使用stat()和retr(which)结合遍历很耗时基于如上背景,初始大致思路为: 使用二 ...
python读取多个文件夹图片_python或C++读取指定文件夹下的所有图片
本文实例为大家分享了python或C++读取指定文件夹下的所有图片,供大家参考,具体内容如下 1.python读取指定文件夹下的所有图片路径和图片文件名 import cv2 from os impo ...

Python读取pdf无框线表格_Python将PDF数据解析为表格形式

Python读取pdf无框线表格_Python将PDF数据解析为表格形式相关推荐

最新文章

热门文章