pdf to excel

Конвертер PDF в Excel на Python?

Этот скрипт Python использует библиотеки tabula-py и pandas для преобразования файла PDF в файл Excel. Каждая таблица в файле PDF записывается на отдельный лист файла Excel.

Работа с кодовыми пространствами GitHub

Этот репозиторий настроен на использование GitHub Codespaces, который предоставляет полную настраиваемую среду разработки в облаке. Вот как его использовать:

1. Нажмите кнопку «Открыть в кодовых пространствах» в верхней части репозитория, затем нажмите зеленую кнопку «Создать кодовое пространство». Это откроет репозиторий в новом кодовом пространстве.

2. Подождите, пока будет создано Codespace. GitHub создаст новое пространство кода для этого репозитория и настроит его в соответствии с файлом devcontainer.json . Это включает в себя извлечение указанного образа Docker, запуск postCreateCommand для установки tabula-py и pandas и установку указанных расширений VS Code. Этот процесс может занять несколько минут.

3. Добавьте свой PDF-файл. Как только Codespace будет готово, добавьте PDF-файл в репозиторий. Вы можете сделать это, перетащив файл в проводник в левой части экрана.

4. Добавьте пустой файл Excel. Добавьте в репозиторий пустой файл Excel. Вы можете сделать это, щелкнув правой кнопкой мыши проводник и выбрав «Новый файл». Назовите файл с расширением .xlsx .

5. Запустите скрипт Python. Когда кодовое пространство будет готово, выполните в терминале следующую команду:

 Python pdf_to_excel.py

Использование

Сценарий определяет функцию pdf_to_excel(pdf_file_path, excel_file_path) , которая читает PDF-файл и записывает его таблицы в файл Excel.

Вот как вы можете использовать эту функцию:

 pdf_to_excel('path_to_pdf_file.pdf', 'path_to_excel_file.xlsx')

Замените path_to_pdf_file.pdf на путь к PDF-файлу, который вы хотите преобразовать, и замените `path_to_excel_file.xlsx`` на путь, по которому вы хотите сохранить файл Excel.

Зависимости?

• tabula-py : простая оболочка для Tabula, которая может читать таблицы в PDF.

• pandas : мощная библиотека манипулирования данными.

Вы можете установить эти зависимости с помощью pip:

 pip3 установить tabula-py pandas

Как это работает?

Функция tabula.read_pdf читает файл PDF и возвращает список таблиц. Каждая таблица представляет собой DataFrame pandas.

Менеджер контекста pd.ExcelWriter используется для записи в файл Excel.

Внутри контекстного менеджера цикл for перебирает список таблиц. Каждая таблица записывается на отдельный лист в файле Excel с помощью метода DataFrame.to_excel предоставляемого библиотекой pandas.