python 庖丁科技pdflux的表格解析（精度很高）

最近有个人叫我把印刷版的pdf解析一下，我试了腾讯，阿里，百度的方法，都不太行，后面发现创业公司庖丁科技对这方面优化得还可以，所以买了API，这里分享一下我的python实现。

官网为：PDFlux - PDF文档内容和数据提取神器

首先把如图所示的secret填到下面的your_secret_key的位置，然后传入自己的文件，执行下面的脚本。

上传文件到pdflux

import requests,json
from Get_Token import encode_url""" 读取图片 """
def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read() def upload(URL,fname):url = encode_url(URL, 'pdflux', 'your_secret_key')data = {'file':open(fname, 'rb')}r =requests.post(url,files=data)return r.textif __name__ == "__main__":fname='../chengdu/1995.pdf'user=''URL='http://saas.pdflux.com/api/v1/saas/upload?user={}&force_updata=true'.format(user)result=upload(URL,fname)print(result)json_file=fname+'.json'with open(json_file, "w") as fp:fp.write(json.dumps(result,indent=4))

有人会有疑问，Get_Token是哪里来的呢？其实就是官方工作人员给你账号以后，登陆进去就能下载了。登陆地址：PDFluxSaaS

我们是直接找工作人员开的账号哈，有需要的可以直接联系他们

下载excel文件

import requests,json
from Get_Token import encode_url
from upload_file import upload
import time
import osdef get_status(uuid,user):URL='http://saas.pdflux.com/api/v1/saas/document/{}?user={}'.format(uuid,user)url = encode_url(URL, 'pdflux', 'qTLmxhIi20YH')r =requests.get(url)return r.textdef download_data(uuid,file_name,user):url='http://saas.pdflux.com/api/v1/saas/document/{}/excel?user={}'.format(uuid,user)down_url=encode_url(url, 'pdflux', 'your_secret_key')down_res = requests.get(url=down_url)with open(file_name,"wb") as code:code.write(down_res.content)def test_status():uuid='fad4c522-c71c-11ea-ba3d-00163e028884'# uuid='fb892010-c6a6-11ea-ba3d-00163e028884'res=get_status(uuid)print(res)if __name__ == "__main__":fnames=['./pdf_data/1988.pdf','./pdf_data/1989.pdf','./pdf_data/1990.pdf','./pdf_data/1991.pdf','./pdf_data/1992.pdf','./pdf_data/1993.pdf','../pdf_data/1996.pdf']user=''uuids=[]for uuid,fname in zip(uuids,fnames):file_name=fname+'.xls'if(os.path.exists(file_name)):continuewhile True:res=get_status(uuid,user)res=json.loads(res)print(res)if(res['data']['parsed']==2):download_data(uuid,file_name,user)breaktime.sleep(20)

upload文件

import requests,json
from Get_Token import encode_url""" 读取图片 """
def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read() def upload(URL,fname):url = encode_url(URL, 'pdflux', 'your_secret_key')data = {'file':open(fname, 'rb')}r =requests.post(url,files=data)return r.text

填上你的user和uuid那些，就等着处理完了以后下载下来了哈,最终会把所有pdf里面的表格整合成一个excel，非常的方便哈，我也有点好奇他们是怎么实现这个pdf表格解析这项技术的，我试了好多开源的方案和大厂的API，都达不到他们的这种水平。

python 庖丁科技pdflux的表格解析（精度很高）相关推荐

点火提前角的修正方式有哪些_“天问一号”完成第二次轨道中途修正：精度很高，本次修正量很小...
"天问一号"完成第二次轨道中途修正:精度很高,本次修正量很小来源:央视网记者从国家航天局获悉,2020年9月20日23时,在我国首次火星探测任务飞行控制团队控制下,天问一号探测 ...
Carsim和simulink联合仿真轮胎力估计基于滑模观测器SMO估计轮胎的纵向力和侧向力模型估计的精度很高，测试的工况为双移线工况
Carsim和simulink联合仿真轮胎力估计基于滑模观测器SMO估计轮胎的纵向力和侧向力模型估计的精度很高,测试的工况为双移线工况基于SMO滑模观测器的轮胎力估计方法省去了轮胎模型的使用,避 ...
深度学习前人精度很高了，该怎么创新？（论文发表，论文创新）
深度学习领域新技术层出不穷,顶尖的研究人员也愈来越多,当研究领域的前人精度已经很高了,我们该怎么创新,从哪些角度去创新呢? 目录回答一: 1.无事生非: 2.后浪推前浪: 3.推陈出新 4.出奇制胜 ...
深度学习前人精度很高了，该怎么创新？
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨仿佛若有光.DLing.CC查理来源丨知乎问答编辑丨极市平 ...
深度学习前人精度很高了怎么创新？
常见的思路我临时给它们取了几个名字:无事生非,后浪推前浪,推陈出新,出奇制胜. 1. 在原始的数据集上加一些噪声,例如随机遮挡,或者调整饱和度亮度什么的,主要是根据具体的任务来增加噪声或扰动,不可乱来 ...
python真实收入曝光_程序员工资很高吗？资深HR透露真实收入，网友：说的很现实...
小编是一个多年开发经验的程序员,前端.Java.Python我都懂,如果你在入门学习WEB前端的过程当中缺乏系统的学习教程,或者说缺乏一个交流技术的地方,你可以申请加入我的WEB前端裙:前面二九六,中 ...
python 人气高的项目_给大家推荐：五个Python小项目，Github上的人气很高的
1.深度学习框架 Pytorch https://github.com/pytorch/pytorch PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架,提供两个高级 ...
python 人气高的项目_给大家推荐：五个Python小项目，Github上的人气很高的！
1.深度学习框架 Pytorch PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架,提供两个高级功能: ● 强大的 GPU 加速 Tensor 计算(类似 numpy ...
给大家推荐：五个Python小项目，Github上的人气很高的
1.深度学习框架 Pytorch https://github.com/pytorch/pytorch PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架,提供两个高级 ...

python 庖丁科技pdflux的表格解析（精度很高）

python 庖丁科技pdflux的表格解析（精度很高）相关推荐

最新文章

热门文章