Python提取PDF中的表格

Python可以使用多种库来提取PDF中的表格，以下是其中两种常用的方法：

1. 使用tabula-py库

tabula-py是一个用于从PDF文件中提取表格数据的Python库，支持多种表格类型和格式。可以通过以下命令安装：

pip install tabula-py

使用示例代码如下：

import tabula

# 读取PDF文件，提取第一页中的表格
df = tabula.read_pdf("example.pdf", pages=1)

# 打印表格数据
print(df)

2. 使用PyPDF2和pandas库

PyPDF2是一个用于处理PDF文件的Python库，可以用来提取PDF中的文本和表格数据。结合pandas库可以更方便地处理表格数据。可以通过以下命令安装：

pip install PyPDF2 pandas

使用示例代码如下：

import PyPDF2
import pandas as pd

# 打开PDF文件
with open("example.pdf", "rb") as f:
    # 创建PDF阅读器对象
    pdf_reader = PyPDF2.PdfFileReader(f)
    # 获取第一页
    page = pdf_reader.getPage(0)
    # 获取页内容
    content = page.extractText()
    # 使用正则表达式匹配表格
    table_regex = r"([^\n]+\n)+"
    match = re.search(table_regex, content)
    # 将匹配结果转换为DataFrame
    df = pd.read_csv(io.StringIO(match.group()), sep="\s+")
    # 打印表格数据
    print(df)

以上两种方法都可以提取PDF中的表格数据，具体使用哪种方法取决于PDF文件的格式和特点。