我很难让一段代码工作。我想遍历文件夹中的 pdf 文件,提取 tabula 包认为的表格是什么,将它们提取到数据框中,然后将特定 pdf 中的所有表格写入一个 csv 文件。
我查看了这篇文章(以及其他几篇文章),但仍然无法使其正常工作。似乎脚本循环遍历文件,提取一些表,但它似乎没有遍历文件,我无法让它将所有数据帧写入 csv 文件。该脚本只是在 csv 中写入最后一个。
这就是我到目前为止所拥有的。任何帮助将不胜感激,特别是如何正确循环文件并将所有表格从一个 pdf 写入一个 csv 文件。我很困...
pdf_folder = 'C:\\PDF extract\\pdf\\'
csv_folder = 'C:\\PDF extract\\csv\\'
paths = [pdf_folder + fn for fn in os.listdir(pdf_folder) if fn.endswith('.pdf')]
for path in paths:
listdf = tabula.read_pdf(path, encoding = 'latin1', pages = 'all', nospreadsheet = True,multiple_tables=True)
path = path.replace('pdf', 'csv')
for df in listdf: (df.to_csv(path, index = False))