looping through pdf files with tabulizer in python(在python中使用制表器循环访问pdf文件)
本文介绍了在python中使用制表器循环访问pdf文件的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我很难让一段代码正常工作。我想遍历文件夹中的pdf文件,提取TABULA包认为的表,将它们提取到一个数据帧中,并将特定pdf中的所有表写入一个CSV文件。
我查看了this post(以及其他几个),但我仍然无法使其正常工作。脚本似乎循环遍历文件,提取一些表,但它似乎没有遍历文件,而且我无法让它将所有数据帧写入CSV文件。该脚本只写入CSV中的最后一个。
这就是我到目前为止所拥有的。任何帮助都将不胜感激,特别是如何正确地循环文件,以及如何将一个pdf中的所有表写入一个csv文件。我被卡住了……
pdf_folder = 'C:\PDF extract\pdf\'
csv_folder = 'C:\PDF extract\csv\'
paths = [pdf_folder + fn for fn in os.listdir(pdf_folder) if fn.endswith('.pdf')]
for path in paths:
listdf = tabula.read_pdf(path, encoding = 'latin1', pages = 'all', nospreadsheet = True,multiple_tables=True)
path = path.replace('pdf', 'csv')
for df in listdf: (df.to_csv(path, index = False))
推荐答案
就像@Scott Hunter提到的那样,您没有使用csv_Folders
另外,我认为您正在覆盖创建的.csv文件:
for df in listdf: (df.to_csv(path, index = False))
对于for循环的每次迭代,PATH变量保持不变。
编辑: 您可能应该尝试这样做:
pdf_folder = 'C:\PDF extract\pdf\'
paths = [pdf_folder + fn for fn in os.listdir(pdf_folder) if fn.endswith('.pdf')]
for path in paths:
listdf = tabula.read_pdf(path, encoding = 'latin1', pages = 'all', nospreadsheet = True,multiple_tables=True)
path = path.replace('pdf', 'csv')
df_concat = pd.concat(listdf)
df_concat.to_csv(path, index = False)
这篇关于在python中使用制表器循环访问pdf文件的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
沃梦达教程
本文标题为:在python中使用制表器循环访问pdf文件


猜你喜欢
- 如何在 python3 中将 OrderedDict 转换为常规字典 2022-01-01
- 沿轴计算直方图 2022-01-01
- pytorch 中的自适应池是如何工作的? 2022-07-12
- 如何将一个类的函数分成多个文件? 2022-01-01
- python-m http.server 443--使用SSL? 2022-01-01
- 如何在 Python 的元组列表中对每个元组中的第一个值求和? 2022-01-01
- 分析异常:路径不存在:dbfs:/databricks/python/lib/python3.7/site-packages/sampleFolder/data; 2022-01-01
- 使用Heroku上托管的Selenium登录Instagram时,找不到元素';用户名'; 2022-01-01
- python check_output 失败,退出状态为 1,但 Popen 适用于相同的命令 2022-01-01
- padding='same' 转换为 PyTorch padding=# 2022-01-01