问题描述
最近我尝试使用 tabula 来解析 pdf 中的一个表格,该表格的每个字段中都不包含任何行。
这会创建一个将所有不同字段合并为一个 (example of output) 的列表。
我如何将这个单个字符串转换为数据帧,以便我可以操作数字?非常感谢
解决方法
题中没有给出dummy file来测试,但是如果pdf表格的列之间没有分隔线,并且表格从tabula中提取出来后合并在一列中,请尝试使用参数'columns'在 tabula.read_pdf 中。
根据Tabula Documentation,这个参数的作用是这样的:
columns (list,optional) –
X coordinates of column boundaries.
因此,如果每个 PDF 的 PDF 格式都相同,您可以找到要从中分离数据的列的 X 坐标。为此,您可以使用 Adobe 等任何 PDF 工具,也可以点击试用。
仍有疑问,请附上虚拟PDF以便查看。