问题描述
是否可以使用 tabula-py 从 PDF 中提取表格和文本?
使用此代码:
import tabula as tab
df = tab.read_pdf('https://www.banque-france.fr/sites/default/files/pspp_liste_isn_en-20160725.pdf',pages='all')
它在获取表格方面做得很好,但我也想获取文本行“上次更新:2016 年 7 月 25 日”。
有没有一种方法 tabula-py 可以一次为我完成,或者我是否需要解析文件两次,一次使用 tabula-py,第二次使用不同的包来读取文本?我尝试了lattice= 和stream= 的不同组合,但没有成功。
(虽然在我的示例中日期也是链接的一部分,但情况并非总是如此,所以我不能依赖它,需要从 PDF 中获取日期)。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)