问题标签 [tabula]

我想要 PDF 中的表格数据，我正在使用以下命令获取表格数据

但是在这种情况下，两列数据在某些行中混合在一起，所以我想指定列坐标以获得完美的数据，但我不知道如何获取列坐标，所以任何人都可以用完美的命令指导我会有所帮助。

提前致谢！

我有 python 代码使用tabula-py读取 PDF 以提取文本，然后通过 tabula-py 将其更改为表格形式。但这给了我一个警告。

此警告是关于tabula-py 的，并且Tabula-py是用 Java 编写的。所以我不能简单地使用-W ignore来抑制上述警告。

有什么办法可以消除或抑制上述警告。

我刚刚发现了使用 tabula-py（当然还有 tabula-java）从 pdf 中提取表格的乐趣。我现在正在为我的工作编写一个脚本，它从 pdf 表中读取一些数据，稍微清理一下，然后将其导出到 excel 中。我每天使用的pdf格式都是一样的，而且表格总是在某个区域。为了检测该区域，我使用了 tabula.exe：我选择表格，可视化预览（看起来不错），然后导出脚本，以便查看 tabula.exe 使用的 -a 参数。然后我在 Python 的命令中使用它，即：

我使用 encoding 参数是因为标准 utf-8 返回错误，而使用 stream 方法，因为它是在 tabula.exe 中显示一个很好的提取表的方法。但是，数据框有一个问题，因为前 2 列（在 tabula.exe 的预览中正确显示为 2 个不同的列）实际上是一个单独的列，因此名称和值混合在一起。

您知道为什么同一区域会在 tabula-py 和 tabula.exe 中产生 2 个不同的结果吗？非常感谢你！

我正在尝试将 PDF 文件的“内容”页面（例如第 2 页）提取为表格，并提供一个数据框来跟踪项目及其相应的起始页码。一些人建议使用“Tabula”。我尝试了几行，但似乎没有找到 read_pdf 模块或得到一个空的数据框。感谢任何帮助使其正常工作？

myfile=' http://www.hkexnews.hk/listedco/listconews/SEHK/2017/0410/LTN201704101126_C.pdf '

我使用 Tabula 从 PDF 中提取表格。它的工作将减去一点清理。我遇到的最后一个问题，我不确定如何解决，如果单元格行太大（即它包含换行的文本），那么 Tabula 会将其分成两行，其中一行包含几乎所有信息，第二行包含上面行中第一个单元格文本的后半部分，但其余单元格中为“无”。

这是一个例子：

理想情况下，我可以将“House_Type”行“house”列中的文本添加到“House_Type”列上方的行中，然后删除其中包含“none”的“house”行。

最终结果看起来像这样：

我认为将其作为循环可能会起作用

但我不知道从这里去哪里，或者这是否是正确的方向

我正在尝试使用 tabula-py 将表格从 pdf 传输到 excel。

当我试图

它说

ImportError：无法导入名称“read_pdf”

我发现的所有解决方案都说我必须

https://github.com/chezou/tabula-py/issues/47

Tabula-py - ImportError：没有名为 tabula 的模块

但它仍然不适合我。

有任何想法吗？

我在 pdf 数据阅读器中有一个问题，因为下面的空单元格值代码将用于下一个单元格值..！

例如：一个学生有一个三科成绩。在主题 1：“A”级，主题 2：“”级，主题 3：“c”级。

这里对于 subj2 没有等级值并且它是空的，但这里它采用 subj 3 值“c”作为 subj 2 的值......

我该如何解决这个问题..？

请帮我 ...

我使用 tabula 包进行 pdf 阅读，但在这里我得到了这些错误

我该怎么办这个错误。请解决我的问题..

我安装了 python 模块 tabula-py，它显然基于 Java 版本的 tabula。当我尝试运行它时，我收到一条错误消息，说安装了错误的 Java 版本，但是当我在 MacOS 上检查系统偏好设置时，它说我已经获得了最新版本（版本 8 更新 151）。在 github 页面上，它提到必须将 java 添加到 PATH，所以我尝试按照这些说明执行此操作http://www.baeldung.com/java-home-on-windows-7-8-10-mac-os -x-linux，但它仍然说我已经安装了 1.6 版。

任何帮助将不胜感激以使插件正常工作。

这是错误：

当我运行以下命令时，我正在尝试使用 tabula-py 将 pdf 转换为表格

这是错误信息