使用Python提取PDF文件中的表格(使用mutool修复PDF)

下载了好多PDF文件,大量的数据在里面,需要提取里面表格。于是乎!

找了一个Python的包,叫做camelot (https://github.com/socialcopsdev/camelot),进行表格提取。强大!!

import camelot

table=camelot.read_pdf(filename,pages=str(page_index))

于是乎!

大概有一般的PDF文件提取失败,出现异常

PdfReadWarning: Illegal character in Name Object [generic.py:489]
Invalid dictionary construct: [/'Type', /'Font', /'Subtype', /'Type0', /'BaseFont', /b"b'", /"ABCDEE+\xcb\xce\xcc\xe5'", /'Encoding', /'Identity-H', /'DescendantFonts', PDFObjRef:6, /'ToUnicode', PDFObjRef:12]

 

然后听说需要修复以下pdf文件,然后再提取。

于是乎,就找到了这个命令

mutool clean

很强大的指令。

修复后测试,果然有效。

然后对所有PDF进行了一次修复

import os

path='修复前/'
files=os.listdir(path)
for file in files:
    print(file)
    s='mutool clean 修复前/'+file+' 修复后/'+file
    os.system(s)

 

  • 0
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值