Python 如何使用表格格式将PDF转换为CSV？

在Python 3中，我有一个PDF文件“Ativos_Fevereiro_2018_servidores_rj.PDF”，共6041页。我在一台有Ubuntu的机器上

在每一页的顶部有两行文字。在一个表格下面，有标题和两列。每个表格36行，最后一页更少

在每一页的末尾，在表格之后，还有一行文本

我想从这个PDF创建一个CSV，只考虑页面中的表格。忽略表格前后的文字

最初我测试了tabla-py。但它会生成一个空文件：

from tabula import convert_into

convert_into("Ativos_Fevereiro_2018_servidores_rj.pdf", "test_s.csv", output_format="csv")

请问，是否有人知道使用表格的另一种方法来满足此类需求

---

或者用另一种方法将PDF转换为CSV文件类型？

好的，我发现了问题：您必须设置

电子表格=True

并保持utf-8编码：

df = tabula.read_pdf("Ativos_Fevereiro_2018_servidores_rj.pdf", encoding='utf-8', spreadsheet=True, pages='1-6041')

在下图中，我仅在第一页测试了它（因为您的文件很大）：

之后，您可以将数据帧另存为csv：

df.to_csv('otuput.csv', encoding='utf-8')

编辑： 好的，这个错误可能是java内存问题。为了加快速度，我添加了

页面

选项。还有一个编码问题，所以csv导出中添加了

encoding='utf-8'

。

---

如果您一直遇到java错误，请尝试分块解析它，例如

pages='1-300'

。我刚刚做了所有6041（在64GB内存机器上），它工作得很好。

尝试

导入tabla

和

tab=tabla.read\u pdf（“Ativos\u Fevereiro\u 2018\u servidores\u rj.pdf”，encoding='latin-1'）

它会出错吗？如果没有，请运行

打印（选项卡）

。它也是空的吗？谢谢。是的，它仍然是空的（无）。表格中似乎找不到pdf中的表格。在没有pdf的情况下，让hart来解释原因（在我的pdf表格上，Tablea的效果很好）。也许您可以设置

guess=False

并指定

区域和/或
列（请参阅选项文档），或尝试
pdfquery
或查看“原始字符串”的位置（例如使用PyPDF2），谢谢。我正在看文档（）。但是我如何找到桌子所在的区域呢？我的PDF在这里：我需要一个PDF编辑程序来找到坐标吗？谢谢！然后我尝试这样做：导入熊猫作为pd导入tabla tab=tabla.read\u pdf（“Ativos\u Fevereiro\u 2018\u servidores\u rj.pdf”，encoding='latin-1'，spreadsheet=True，pages=all，header=0）tab.to_csv（'file\u ready.csv'，index=False），但我有以下错误：TypeError:expected str，bytes或os.PathLike对象，而不是内置函数或方法yes，或者从选项中删除
pages
df=tabla.read\u pdf（“Ativos\u Fevereiro\u 2018\u servidores\u rj.pdf”，encoding='latin-1'，spreadsheet=True）
我收到了这个错误消息：CalledProcessError:Command'['java'、'-jar'、'/home/reinaldo/Documentos/Code/intercept/seguranca/lib/python3.6/site packages/tabla/tabla-1.0.1-jar-with-dependencies.jar'、'-pages'、'all'、'-guess'、'-lattice'、'Ativos_Fevereiro_2018_servidores_rj.pdf']返回了非零退出状态1。我编辑了我的答案。我认为pdf本身（在某些页面上）存在一些问题.我将运行循环以查看哪个，但在我的机器上速度很慢…-）