Python Tika-Pandas bridge是否将PDF内容导出到Excel？

我想让Python读取一个PDF文件（“Spain.PDF”，包含11列59行，其中一行是标题），并将其内容导出到Excel

这里有许多PDF Excel线程，但我所参考的没有一个涉及到从解析的Tika内容到写入Excel的Pandas数据帧的桥接概念

我搜索了这个网站（和其他地方），与几个程序员交谈，查阅了一些手册和书籍。我不能对每一个FM都进行R_，因为作为一个新手，我不知道该把重点放在哪里：也就是说，我想将内容刷新到熊猫数据帧中吗

从SO和Sweigart（2015）中，我找到了Tika、Tablea和PyPDF2来解析PDF内容。蒂卡最适合我。（tabla应用程序非常适合手动转储，但Python模块不适合我运行。）我使用了以下代码：

from tika import parser
raw = parser.from_file('spain.pdf')
print(raw['content'])

它将干净的内容打印到我的控制台

我正在尝试将此内容传输到数据框中，然后通过XlsxWriter（或类似模块）将其导出到Excel：

有人能给我指一下正确的方向吗？如有任何想法，将不胜感激。非常感谢您的关注

---

代码是用Atom 1.45编写的，并通过Windows PowerShell 5.1运行。环境是运行Windows 10 Home v1903的Microsoft Surface 2笔记本电脑上的Python v3.8.0。

似乎您遇到的主要问题是，您使用的Excel Writer代码要求另一个名为

xlsxwriter

的程序作为引擎（与默认的

openpyxl

库相反）您可能没有安装，因为它独立于熊猫

所以第一步是确保安装它（

pip install xlsxwriter

） 根据您的帖子，我在终端/命令行中运行了以下代码，效果很好：

import pandas as pd
dataSpain = pd.DataFrame({'Survey': ["Key","ISO","Country","Region","Province","Comarca","City","Name","Age","Gender","Hospital"]})
with pd.ExcelWriter('FromPython.xlsx',engine='xlsxwriter') as writer:
    dataSpain.to_excel(writer)

---

如果它不起作用，下一步就是分享你得到的错误。希望这有帮助

谢谢，李安！我确实安装了xlsxwriter，但我错过了“with~as writer:”组合。但是，当我导出到excel时，控制台中的内容不会刷新到excel。只有我定义的列标题才会出现在我的Excel工作表中。当您打印（原始['content']）时，您会看到Tika返回的字符串的表示形式，但该字符串尚未“准备好”转换为数据帧。我相信您遇到的问题是，您没有将字符串转换为一种数据类型，而Pandas可以将其转换为DataFrame

ndarray（结构化或同构）、Iterable、dict或DataFrame

（）。

import pandas as pd
dataSpain = pd.DataFrame({'Survey': ["Key","ISO","Country","Region","Province","Comarca","City","Name","Age","Gender","Hospital"]})
with pd.ExcelWriter('FromPython.xlsx',engine='xlsxwriter') as writer:
    dataSpain.to_excel(writer)