手把手用Python提取文本型PDF中的表格

Question

如题所述

Answer 1

在面对需要从文本型PDF文件中提取表格时，传统的第三方服务和开源代码包在效果和成本之间往往难以取得平衡。对于这类需求，本文提供了一个结合了PDF文本提取、图片转换和表格识别的方案，旨在实现相对高效且经济的表格提取过程。以下是具体步骤和实现方法：

### 前提条件

确保PDF文件为纯文本格式，而非单纯图片。这样的文件才适合后续的处理方法。

### 准备工具与方法

1. **使用pdfminer提取文本**：首先，使用pdfminer工具从PDF文件中提取文本内容，并确定需要处理的页面集合。

2. **PDF页面转图片**：将锁定的PDF页面转换为图片，以便进行后续的表格识别。

3. **使用table-transformer识别表格**：借助Huggingface的table-transformer模型，识别页面中表格的位置和结构信息。

4. **使用tabular-py提取表格**：根据识别出的区域和结构信息，使用tabular-py提取表格数据。

5. **业务知识后处理**：根据业务需求对提取的表格进行调整，最终将其转换为所需的Excel格式文件。

### 代码实现与优化

**第一步：锁定页面**

开发一个PDF类，实现读取文本信息与页面位置信息的收集。通过关键词查找判断页面是否包含所需表格。

**第二步：识别表格**

将锁定的PDF页面转换为图片，然后使用table-transformer识别表格区域。编写函数封装整个流程，并展示识别结果。

**第三步：提取表格**

基于识别出的表格区域和结构信息，使用tabular-py提取表格数据。实现一个坐标转换函数，解决不同包间坐标系和数据结构的差异问题。

**第四步：后处理**

根据业务逻辑对提取的表格进行个性化调整，确保数据符合预期格式。

### 总结

通过自行开发的方法，对于规模不大的PDF表格提取需求，可以实现相对高效且成本可控的处理。关键在于将PDF文本转换为图片，利用深度学习技术识别表格信息，并借助现有工具提取数据。最后，根据具体业务需求进行适当的后处理，最终将表格转换为Excel格式文件。这种方法既满足了对PDF文件中表格数据的高效提取需求，又避免了依赖昂贵的第三方服务。