Python使用Tabula提取PDF表格数据

今天遇到一个批量读取pdf文件中表格数据的需求，样式大体是以下这样：

python读取PDF无非就是三种方式（我所了解的），pdfminer、pdf2htmlEX 和 Tabula。综合考虑后，选择了最后一种。下面对三种方式分别介绍：

pdfminer

该方式从网上搜索的结果是，可以提取pdf文本数据，但是提取后表格信息就乱了。所以本人没有亲自实验，就果断放弃了实验该方法。如果只是提取pdf里面的文本内容，该方式可能是比较合适的。

pdf2htmlEX

该方式是通过把pdf格式转换成html格式，然后再提取信息的方法。

Github: https://github.com/coolwanglu/pdf2htmlEX

需先下载pdf2htmlEX可执行程序，下载地址：https://github.com/coolwanglu/pdf2htmlEX/wiki/Download。