0

是否可以使用 tabula-py 从 PDF 中提取表格和文本?

PDF 的顶部如下所示: 在此处输入图像描述

使用此代码:

import tabula as tab

df = tab.read_pdf('https://www.banque-france.fr/sites/default/files/pspp_liste_isn_en-20160725.pdf',pages='all')

它在获取表格方面做得很好,但我也想获取文本行“最后更新:2016 年 7 月 25 日”。

有没有一种方法 tabula-py 可以一次性为我做到这一点,还是我需要解析文件两次,一次使用 tabula-py,第二次使用不同的包来读取文本?我尝试了 lattice= 和 stream= 的不同组合,但没有成功。

(虽然在我的示例中,日期也是链接的一部分,但情况并非总是如此,所以我不能依赖它,需要从 PDF 中获取日期)。

4

0 回答 0