提取pdf文檔表格

来源:https://www.cnblogs.com/energetic/archive/2020/06/05/13052600.html
-Advertisement-
Play Games

import pdfplumber pdf=pdfplumber.open(',,,,,,,.pdf') first_page=pdf.pages[0] print(first_page.extract_text()) #列印第一頁內容 #提取其中的表格 first_page.extract_tab ...


import   pdfplumber

pdf=pdfplumber.open(',,,,,,,.pdf')

first_page=pdf.pages[0]

print(first_page.extract_text())    #列印第一頁內容

 

#提取其中的表格

first_page.extract_table()    #提取這一頁的第一個表格

first_page.extract_tables()     #提取這一頁內的所有表格

#提取表格時設置表格參數

first_page.extract_table(

table_settings={'

       vertical_strategy':'text',

       'horizontal_strategy':'text'

      }

        )

 

if    not   ''.join(  [  str(i)   for  i in  first_page.extract_text( )   ]  )   == '' :    #這行不為空則繼續執行以下操作

  ''.join( [ str(item)  if  item   else  ''  for  item  in    i[:3]  )

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • -- 創建用戶 create user '用戶名'@'ip地址' identified by 'password'; ip adress 可填%,即指可以在任何電腦上登錄 -- 給用戶進行授權 (一)grant 許可權(select,insert,update) on 資料庫名.表名 to '用戶名' ...
  • 本文記錄,將常用的 Python 腳本,放到任務欄,的設置方法。 把 Python 腳本,放到任務欄,的方法如下: 首先,要創建一個當前 Python 腳本文件的快捷方式。 然後,滑鼠右鍵,點擊腳本文件,打開文件屬性界面。 然後,手動更改快捷鍵的路徑(Target);把快捷方式的,路徑格式,改為如下 ...
  • 安裝前準備: 安裝之前事先安裝好elasticsearch和kibana。 下載安裝包: apm-server-7.0.0-linux-x86_64.tar.gz (服務端包)elastic-apm-agent-1.7.0.jar(終端包) 安裝步驟: Apm-server終端安裝 Apm-serv ...
  • (一)asyncio 1、asyncio 用async 修飾詞來聲明非同步函數 2、asyncio.create_task(非同步函數)來創建任務 3、通過await asyncio.gather(任務)來執行任務 4、通過asyncio.run(函數)來觸發運行 5、一個比較好的方式是asyncio. ...
  • @ 最近公司有個需求,提前讓資料庫表結構在excel模板中設計,然後再建對應的資料庫DB。欄位少好說,無腦錄入即可,但是,我遇到個100多個欄位的,實在忍不了,最終入門了VBA編程,自己寫腳本生成了sql語句。減少了需要無用重覆勞動。 VBA基礎 首先學習下vba的基礎。 一.瞭解VBA 1.進入v ...
  • 觀察者模式,是使用很多的一種模式,初次瞭解,只是根據入門demo寫個例子,但是不知道用在哪,怎麼用,很教科書。 個人很喜歡比較實戰的的博客或者資料。 最近又餓補了一把,感覺有點小收穫,記錄下。 基礎部分 一、觀察者模式的基本經典結構 二、入門小demo 經典小demo1: Observer /** ...
  • from pptx import Presentation prs=Presentation('名字.pptx') for slide in prs.slides: # 讀取每一頁幻燈片 for shape in slide.shapes: #獲取每一頁的內容 if shape.has_text_f ...
  • 對於文件,我們並不陌生,文件是數據源(保存數據的地方)的一種,比如大家經常使用的word文檔,txt文件,Excel文件...等等都是文件。文件最主要的作用就是保存數據,它既可以保存一張圖片,也可以保存視頻,聲音...... 文件在程式中是以流的形式來操作的。 流:數據在數據源(文件)和程式(記憶體) ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...