Python批量提取PDF中的信息,python处理pdf提取指定数据

　　从说明：pdf文件中提取其他类型的数据，如文本或图像。它将解释如何从pdf文件中提取数据表，然后将其转换为适合进一步分析和建模的格式，并以一个示例作为介绍。

　　使用Python从PDF文件中提取一个表格

　　1.将表格复制到Excel，保存为table _ 1 _ raw.csv。

　　以一维格式存储的数据必须进行整形、清理和转换。

　　2.导入必要的库。

　　importpandasaspd

　　Importnumpyasnp3。导入原始数据并重新定义数据。

　　df=PD . read _ CSV( table _ 1 _ raw . CSV ，header=None)

　　df .值.形状

　　df2=pd。data frame(df . values . shape(25，10))

　　column_names=df2[0:1]。值[0]

　　df3=df2[1:]

　　df3.columns=df2[0:1]。值[0]

　　df3.head()

　　4.使用字符串处理工具进行数据纠缠。

　　我们从上表中注意到，x5、x6和x7列是以百分比表示的，因此我们需要删除百分比(%)符号3360。

　　df4[x5]=list(map(x : x[:-1]，df4[ X5 ])。价值观))

　　df4[x6]=list(map(x : x[:-1]，df4[ X6 ])。价值观))

　　4[ x7 ]=list(map(x 3360 x[3360-1]，DF4 [x7])。价值观))5。将数据转换成数字形式。

　　我们注意到，列x5、x6和x7的列值数据类型是string，因此我们需要将它们转换为数值数据，如下面的：所示。

　　df4[ X5 ]=[float(x)for xind F4[ X5 ]。价值观]

　　df4[ X6 ]=[float(x)for xind F4[ X6 ]。价值观]

　　4[ x7 ]=[float(x)for xind F4[ x7 ]。价值观] 6。检查转换数据的最终形式。

　　df4.head(n=5)

　　7.最后，将最终数据导出到csv文件。

　　4.DFTO _ CSV(表_ 1 _最终。CSV ，index=false)内容从第一步开始就不简单，大家边看边很容易理解~更多python实用知识，点击进入PyThon学习网教学中心。

　　(推荐操作系统：windows7系统，Python 3.9.1，戴尔G3电脑。)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。