提取PDF文件中的表格

幽谷醉翁

《Python 自动化办公应用大全（ChatGPT版）》中的例子


import os
import tabula
import pandas as pd
src_fname = 'Demo-Table.pdf'
src_path = os.path.dirname(__file__)
src_file = os.path.join(src_path, src_fname)
dest_file = src_file.replace('.pdf', '.xlsx')
dfs = tabula.read_pdf(src_file, pages='all')
with pd.ExcelWriter(dest_file) as xl_writer:
    for i, df in enumerate(dfs):
        df.to_excel(xl_writer, index=False,
                    sheet_name=f'Table{i+1}')

代码调试

    dfs = tabula.read_pdf(src_file, pages='all')
AttributeError: module 'tabula' has no attribute 'read_pdf'

我已经两次重新安装了tabula库，可是还是报错
不知道原因何在，请高手指点！

wanghan519

根据搜索，需要安装tabula-py而不是tabula，然后from tabula.io import read_pdf

幽谷醉翁

wanghan519 发表于 2024-1-21 08:29
根据搜索，需要安装tabula-py而不是tabula，然后from tabula.io import read_pdf

已安装了的

wanghan519

幽谷醉翁 发表于 2024-1-21 09:26
已安装了的

试试tabula.io.read_pdf
不行删除tabula再试试吧

gaozengxun

python的内容，学习一下

幽谷醉翁

wanghan519 发表于 2024-1-21 09:40
试试tabula.io.read_pdf
不行删除tabula再试试吧

还是不行啊

wanghan519

幽谷醉翁 发表于 2024-1-21 22:07
还是不行啊

还是同样的报错吗，我这里安装了就能用

LIUZHU

wanghan519 发表于 2024-1-21 08:29
根据搜索，需要安装tabula-py而不是tabula，然后from tabula.io import read_pdf

请教下，如果文字或表格是图片不是PDF，Python有什么库可以读取出来吗？

wanghan519

LIUZHU 发表于 2024-1-23 08:40
请教下，如果文字或表格是图片不是PDF，Python有什么库可以读取出来吗？

那就是各种ocr库吧，比如论坛里分享的dddd带带弟弟ocr，就有Python服务版

LIUZHU

wanghan519 发表于 2024-1-23 09:03
那就是各种ocr库吧，比如论坛里分享的dddd带带弟弟ocr，就有Python服务版

看来Python操作Excel一般，干点别的还可以