Python PDF转CSV用法及代码示例

Python 是一种高级的、general-purpose 且非常流行的编程语言。 Python 编程语言(最新的 Python 3)与软件行业的所有 cutting-edge 技术一起用于 Web 开发、机器学习应用程序。 Python 编程语言非常适合初学者，也适合使用 C++ 和 Java 等其他编程语言的有经验的程序员。

在本文中，我们将学习如何使用 Python 将 PDF 文件转换为 CSV 文件。在这里，我们将讨论各种转换方法。对于所有方法，我们都使用输入 PDF 文件。

方法一：

这里将使用 pdftables_api 模块将 PDF 文件转换为任何其他格式。 pdftables_api 模块用于读取 PDF 中的表格。它还允许我们将 PDF 文件转换为另一种格式。

安装：

Open Command Prompt and type "pip install git+https://github.com/pdftables/python-pdftables-api.git"

• 它将安装 pdftables_api 模块
• 安装后，您需要一个 API KEY。
• 转到 PDFTables.com 并注册，然后访问 API 页面以查看您的 API KEY。

方法：

• 验证 API key 。
• 对于将 PDF 文件转换为 CSV 文件，我们将使用 csv() 方法。

用法:

pdftables_api.Client('API KEY').csv(pdf_path, csv_path)

下面是实现：

使用的 PDF 文件：

PDF文件

# Import Module
import pdftables_api
  
# API KEY VERIFICATION
conversion = pdftables_api.Client('API KEY')
  
# PDf to CSV 
# (Hello.pdf, Hello)
conversion.csv(pdf_file_path, output_file_path)

输出：

CSV 文件

方法二：

这里将使用 tabula-py 模块将 PDF 文件转换为任何其他格式。 tabula-py 是 tabula-java 的简单 Python 包装器，可以读取 PDF 中的表格。您可以从 PDF 中读取表格并将其转换为 pandas DataFrame。 tabula-py 还使您能够将 PDF 文件转换为 CSV、TSV 或 JSON 文件。

安装：

pip install tabula-py

在开始之前，首先我们需要安装 java 并将 java 安装文件夹添加到 PATH 变量中。

• 安装java 点击这里
• 将java安装文件夹(C:\Program Files (x86)\Java\jre1.8.0_251\bin)添加到环境路径变量中

方法：

• 使用 read_pdf() 方法读取 PDF 文件。
• 然后我们将使用 to_csv() 方法将 PDF 文件转换为 CSV 文件。

用法:

read_pdf(PDF File Path, pages = Number of pages, **agrs)

下面是实现：

使用的 PDF 文件：

PDF文件

# Import Module 
import tabula
  
# Read PDF File
# this contain a list
df = tabula.read_pdf(PDF File Path, pages = 1)[0]
  
# Convert into Excel File
df.to_csv('Excel File Path')

输出：

CSV 文件