【发布时间】：2015-08-02 22:19:54
【问题描述】：
如何将pdf中的表格转换为excel。
我尝试了一些在线工具，但结果为 60%。
我的 pdf 中包含的示例表如下所示。 我已经隐藏了包含名称的字段。
【问题讨论】：
-
将 PDF（通常呈现为图像）转换为 Excel 是出了名的困难。
-
还有其他方法吗
-
去获取生成此 PDF 的原始数据源。
【发布时间】：2015-08-02 22:19:54
【问题描述】：
从 pdf 文件中获取数据非常麻烦。如果 pdf 表是有序的并且嵌入了一个独特的模式，那么获取数据的最佳方法是将 pdf 转换为 xml。为此，您可以使用：pdftohtml。
安装：sudo apt-get install pdftohtml
用法：pdftohtml -xml *Your File.pdf* *Output File.xml*
您可以直接在终端中运行此命令。
您现在将获得的 xml 文件将具有与 html 类似的标签，您可以使用这些标签从生成的 xml 输出中获取数据。
PS：需要注意的一点是，如果 pdf 表没有排序，那么从该 xml 中获取数据变得非常困难，因为标签将具有一些与模式不匹配的属性。在这种情况下，您将需要硬编码。
【讨论】：
-
鉴于 OP 尝试了一些不太符合他/她期望的在线解决方案，我确实想知道这将如何运作 :)
-
正是我自己参与了解析 pdf 数据的工作，但是从 pdf 中获取数据是一件很痛苦的事情……尤其是当数据不是结构化的时候。无论如何，如果这对他/她有用，他/她可以尝试。 :) 在线软件本身不会产生所需的输出，我记得曾经有一个在线网站可以产生这种输出，但除了编码之外，它还是需要人工劳动。