pdf to excel

Python 中的 PDF 到 Excel 轉換器？

此 Python 腳本使用tabula-py和pandas庫將 PDF 檔案轉換為 Excel 檔案。 PDF 檔案中的每個表格都會寫入 Excel 檔案中的單獨工作表中。

使用 GitHub Codespaces 運行

該儲存庫配置為使用 GitHub Codespaces，它在雲端提供了完整的、可配置的開發環境。使用方法如下：

1. 按一下儲存庫頂部的 Open in Codespaces 按鈕，然後按一下綠色的 Create Codespace 按鈕。這將在新的程式碼空間中開啟儲存庫。

2. 等待創建代碼空間。 GitHub 會為此儲存庫建立一個新的 Codespace，並根據devcontainer.json檔案進行設定。這包括拉取指定的 Docker 映像、執行postCreateCommand以安裝tabula-py和pandas以及安裝指定的 VS Code 擴充功能。此過程可能需要幾分鐘。

3. 新增您的 PDF 檔案。 Codespace 準備好後，將您的 PDF 檔案新增至儲存庫。您可以透過將檔案拖曳到螢幕左側的檔案總管中來完成此操作。

4. 新增空白 Excel 檔案。將空 Excel 檔案新增至儲存庫。您可以透過右鍵單擊檔案總管並選擇“新檔案”來完成此操作。使用.xlsx副檔名命名該檔。

5. 運行 Python 腳本。 Codespace 準備好後，在終端機中執行以下命令：

 python pdf_to_excel.py

用法

該腳本定義了一個函數pdf_to_excel(pdf_file_path, excel_file_path) ，該函數會讀取 PDF 檔案並將其表寫入 Excel 檔案。

以下是如何使用此功能：

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

將path_to_pdf_file.pdf替換為要轉換的 PDF 檔案的路徑，並將 `path_to_excel_file.xlsx`` 替換為要儲存 Excel 檔案的路徑。

依賴關係？

• tabula-py ：Tabula 的簡單包裝，可以讀取 PDF 中的表格。

• pandas ：一個強大的資料操作庫。

您可以使用 pip 安裝這些依賴項：

 pip3 安裝 tabula-py pandas

它是如何運作的？

tabula.read_pdf函數讀取 PDF 檔案並傳回表格清單。每個表都是一個 pandas DataFrame。

pd.ExcelWriter上下文管理器用於寫入 Excel 檔案。

在上下文管理器中，for 迴圈遍歷表列表。使用 pandas 函式庫提供的DataFrame.to_excel方法將每個表寫入 Excel 檔案中的單獨工作表。