使用python将pdf文件转换为带有表格中图像的excel

【问题标题】：converting pdf file to excel with images in the table using python使用python将pdf文件转换为带有表格中图像的excel
【发布时间】：2021-04-10 10:46:25
【问题描述】：

我需要转换的 pdf 文件将在表格中包含图像。我想将pdf表格中的文本和图像转换为excel。请为我推荐合适的库。

【问题讨论】：

标签： python tabula

【解决方案1】：

您需要编写一个脚本来读取和检测字符和 Excel 单元格。您可以使用 open-cv 和内置的字符识别工具来做到这一点，但我不知道这有多容易。我能想到的另一种方法是制作一个可以从图像中识别 excel 表格的 ML 模型。不过这真的很难，需要很多经验。

【讨论】：

【解决方案2】：

您可以使用PikePDF从pdf中提取图像：

from pikepdf import Pdf, PdfImage

filename = "sample.pdf"
example = Pdf.open(filename)

for i, page in enumerate(example.pages):
    for j, (name, raw_image) in enumerate(page.images.items()):
        image = PdfImage(raw_image)
        out = image.extract_to(fileprefix=f"{filename}-page{i:03}-img{j:03}")

提取图像后，您可以使用OCR 将图像转换为表格

【讨论】：