Python读取pdf无框线表格_Python将PDF数据解析为表格形式

这听起来像是有了文本在页面上的位置将大大帮助你。我建议使用PyMuPDF来提取包含位置数据的文本，这样就可以找到一行。在

下面是一个代码示例，用于获取带有位置的*.csv文本文件。希望这能让您开始使用Python挖掘信息。在#!python3.3

""" Use PyMuPDF to extract text to *.csv file. """

import csv

import json

import os

import sys

import fitz

assert len(sys.argv) == 2, 'Pass file name as parameter'

srcfilename = sys.argv[1]

assert os.path.isfile(srcfilename), 'File {} does not exist'.format(srcfilename)

dstfilename = '{}.csv'.format(srcfilename)

with open(dstfilename, 'w', encoding='utf-8', errors='ignore', newline='') as dstfile:

writer = csv.writer(dstfile)

writer.writerow([

'PAGE',

'X1',

'Y1',

'X2',

'Y2',

'TEXT',

])

document = fitz.open(srcfilename)

for page_number in range(document.pageCount):

text_dict = json.loads(document.getPageText(page_number, output='json'))

for block in text_dict['blocks']:

if block['type'] != 'text':

continue

for line in block['lines']:

for span in line['spans']:

writer.writerow([

page_number,

span['bbox'][0],

span['bbox'][1],

span['bbox'][2],

span['bbox'][3],

span['text'],

])

document.close()

我写了一些代码来挖掘您的PDF文件，并将其放入格式更好的*.csv文件中：

^{pr2}$

你可能要做更多的工作才能得到你想要的东西。在