首页 文章详情

用 Python 开发了一个 PDF 抽取表格的小工具

机器学习算法与Python实战 | 26 2022-06-21 11:03 0 0 0
UniSMS (合一短信)

大家好哇
从 PDF 里 copy 表格时,粘贴出来后格式都是错乱的。这麻烦事交给 Python 再合适不过,所以,我开发了一个从 PDF 抽取表格另存为 Excel 文件的应用,已把它部署到 huggingface ,同学可以直接去感受一下:

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

使用方法

准备一个PDF(暂不支持扫描版)


页面中上传PDF,也不支持200M以上的文件,如果太大,大家可以先去压缩一下,我记得adobe官网有就类似小工具。


上传完成后,选择表格所在PDF的页码,等待片刻就会出现“提取完成,点击下载”


下载Excel,格式还需要微调,不过比直接复制出来的要好很多了,能节省一些时间。


目前这个工具还在完善,比如直接抽取PDF中所有表格,敬请期待。

实现方法周末再公布吧,其实经常看我文章的同学应该都很熟悉了吧。之前在腾讯的这个算法,我搬到了网上,随便玩!一文中有介绍。

本文代码能在huggingface看到,其实也是刚刚调试好,觉得有用,期待三连。

推荐阅读

我逃到国企了

再也不接私活了

Kaggle出了一本竞赛书(500页)

机器学习基础:用 Lasso 做特征选

机器学习自动补全代(hán)码(shù)神器

good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter