pdf to excel

Conversor de PDF para Excel em Python?

Este script Python usa as bibliotecas tabula-py e pandas para converter um arquivo PDF em um arquivo Excel. Cada tabela no arquivo PDF é gravada em uma planilha separada no arquivo Excel.

Executando com GitHub Codespaces

Este repositório está configurado para usar GitHub Codespaces, que fornece um ambiente de desenvolvimento completo e configurável na nuvem. Veja como usá-lo:

1. Clique no botão Abrir em Codespaces na parte superior do repositório e, em seguida, clique no botão verde Criar Codespace. Isso abrirá o repositório em um novo Codespace.

2. Aguarde a criação do Codespace. O GitHub criará um novo Codespace para este repositório e o configurará de acordo com o arquivo devcontainer.json . Isso inclui extrair a imagem Docker especificada, executar postCreateCommand para instalar tabula-py e pandas e instalar as extensões especificadas do VS Code. Este processo pode demorar alguns minutos.

3. Adicione seu arquivo PDF. Assim que o Codespace estiver pronto, adicione seu arquivo PDF ao repositório. Você pode fazer isso arrastando e soltando o arquivo no explorador de arquivos no lado esquerdo da tela.

4. Adicione seu arquivo Excel vazio. Adicione um arquivo Excel vazio ao repositório. Você pode fazer isso clicando com o botão direito no explorador de arquivos e selecionando Novo arquivo. Nomeie o arquivo com a extensão .xlsx .

5. Execute o script Python. Quando o Codespace estiver pronto, execute o seguinte comando no terminal:

 python pdf_to_excel.py

Uso

O script define uma função pdf_to_excel(pdf_file_path, excel_file_path) , que lê um arquivo PDF e grava suas tabelas em um arquivo Excel.

Veja como você pode usar esta função:

 pdf_to_excel('caminho_para_arquivo_pdf.pdf', 'caminho_para_arquivo_excel.xlsx')

Substitua path_to_pdf_file.pdf pelo caminho para o arquivo PDF que você deseja converter e substitua `path_to_excel_file.xlsx`` pelo caminho onde você deseja salvar o arquivo Excel.

Dependências?

• tabula-py : Um wrapper simples para Tabula, que pode ler tabelas em um PDF.

• pandas : uma poderosa biblioteca de manipulação de dados.

Você pode instalar essas dependências com pip:

 pip3 instalar tabula-py pandas

Como funciona?

A função tabula.read_pdf lê o arquivo PDF e retorna uma lista de tabelas. Cada tabela é um DataFrame do pandas.

O gerenciador de contexto pd.ExcelWriter é usado para gravar no arquivo Excel.

Dentro do gerenciador de contexto, um loop for itera sobre a lista de tabelas. Cada tabela é gravada em uma planilha separada no arquivo Excel com o método DataFrame.to_excel fornecido pela biblioteca pandas.