从 PDF 中提取表格 [关闭]答案

【问题标题】：Extraction of tables from PDF [closed]从 PDF 中提取表格 [关闭]
【发布时间】：2018-07-07 02:52:31
【问题描述】：

我有一个包含文本、图像和表格的 pdf 文件。我想使用 Python 或 R 仅从该 pdf 文件中提取表格。

【问题讨论】：

Okay.
欢迎来到 Stack Overflow！您似乎在要求某人为您编写一些代码。 Stack Overflow 是一个问答网站，而不是代码编写服务。请see here学习如何写出有效的问题。
请阿姨Google帮忙

标签： python r pdf pdf-scraping

【解决方案1】：

您可能会发现 PyPI 很有用 - 您可以在那里搜索特定内容，例如“PDF”，它会为您提供与 PDF 相关的模块列表 (here)。从它对 PyPI 的重要性来看，您可能需要 PDF 1.0。这应该可以帮助您入门！

【讨论】：

【解决方案2】：

如果您正在考虑使用 R，我建议您使用 tabulizer 包。
它可用here 并且非常易于使用。要安装它，您必须使用以下命令：

install.packages("devtools")
devtools::install_github("ropensci/tabulizer")

并使用他们的一个例子：

library("tabulizer")
f <- system.file("examples", "data.pdf", package = "tabulizer")
# When f is your selected pdf file.
out1 <- extract_tables(f)
# Or even better, say what page the tables are in.
out2 <- extract_tables(f, pages = 1, guess = FALSE, method = "data.frame")

【讨论】：