主页 / 问题 / 1563868
Accepted
ikikaidesu
Asked:2024-01-29 23:34:39 +0800 CST2024-01-29 23:34:39 +0800 CST

python pdf文件读取错误

  • 772

我正在编写读取 pdf 文件并将其转换为 DataFrame 的代码。

table = tabula.read_pdf(pdf_schedule, pages='all', multiple_tables=True, lattice=True)

问题是，在我传入的文件中，有时左侧的第一个元素没有边，导致表格具有 NaN 而不是该单元格的数据。该怎么办？
这是所有代码

columns = table[0].columns
# Создание списка строк
rows_list = []
for t in table:
    for _, row in t.iterrows():
        rows_list.append(row)
# Создание DataFrame из списка строк с явным указанием столбцов
df = pd.DataFrame(rows_list, columns=columns)

这是表格行的第一个元素不正确的示例的屏幕截图

在此输入图像描述

python

1 个回答

  1. Best Answer

    使用tabula我无法从之前已删除的问题中很好地复制您的表格。但在 的帮助下很容易阅读PyMuPDF。去年他们添加了表格识别和提取工具。您可以在这里阅读相关内容。首先，当然是pip install pymupdf。

    import fitz  # import package PyMuPDF


doc = fitz.open("table.pdf")

page_1 = doc[0]  # this is the first page
tab = page_1.find_tables()[0]

df = tab.to_pandas()
print(df.to_string())

--------------------------------

                                   Преподаватели      1 пара\n08:30-10:00 2 пара\n1 0 :10-11:40 3 п а ра\n1 2 :20-13:50 4 п а р а\n14:00-15:30 5 п а р а\n15:50-17:20 6 п а р а\n17:30-19:00 7 п ара\n19:10-20:40
0                      Абз****** Ришат **********     3ИСИП-621\n3ИСИП-821  3ИСИП-621\n3ИСИП-821   3 ИСИП-621\n3ИСИП-821              3ИСИП-821                                                                   
1                                           ауд.                      102                   102                     102                    102                                                                   
2                     Аз****** Вера ************              2ОИБАС-1022             1ИСИП-923              1ИСИП-1023                                                                                          
3                                           ауд.  202а кл. час / акт зал.                  202а                    202а                                                                                          
4                     Ак**** Владимир **********                                    1ОИБАС-1323             1ОИБАС-1423              1ИСИП-523              1ИСИП-623                                            
5                                           ауд.                                            308                     308                    308                    308                                           
.............................
.............................

75                                          ауд.                      ДОТ                   ДОТ                     ДОТ                    ДОТ                    ДОТ                    ДОТ                     
76                Ра******* Наталья ************                1ИСИП-323             1ИСИП-523               1ИСИП-523              1ИСИП-923            1ОИБАС-1223

    我认为你可以自己处理第二页。我隐藏了名字以免让任何人感到困惑。

    • 3

相关问题