天天看点

用 Python 开发的 PDF 抽取Excel表格 2.0版

前些天向大家介绍了我开发的从PDF抽取表格小工具的[使用方法],有同学反馈说有一些问题:

  • 一页PDF有多张表,只能抽取第一个
  • 有些表格线条是透明的,无法抽取
  • 一页一页处理太麻烦,不能一次性抽取

针对以上情况,我在原功能基础上进行了优化,本文依旧不涉及代码,具体实现过程我考虑在B站直播讲解。

这里就将优化部分的使用方法介绍一下

https://huggingface.co/spaces/beihai/PDF-Table-Extractor

单页PDF包含多个表格

这部分已经做了代码优化,前端也有一点点变化

用 Python 开发的 PDF 抽取Excel表格 2.0版

选择具体

页码

后,自动弹出

抽取完成

,下载的Excel包含多个sheet页,对应多张表格。

表格线条是否透明

有些 PDF 中的表格线条是透明的,比如下图这种情况

用 Python 开发的 PDF 抽取Excel表格 2.0版

大家可以在

线条是否透明

下拉框选择 True

用 Python 开发的 PDF 抽取Excel表格 2.0版

一键全页抽取

如果想要抽取一个PDF中所有的表格,在页码处填写

all

即可。

当然,如果页码较多,如此操作会很慢,需要耐心等待。

也可以填页码区间,比如1-3页就填

1-3

,第十页到最后一页,可以填

10-end

用 Python 开发的 PDF 抽取Excel表格 2.0版

如果某些表格没有被提取,可以重新选择表格线条是否透明重跑一下。

用 Python 开发的 PDF 抽取Excel表格 2.0版