Question

我正在一个项目中，以表格格式将PDF数据提取到Excel。首先，我使用了将所有PDF合并为单个PDF的代码，然后尝试使用tabula包提取表。但是我遇到了错误。

我认为错误是由于列数所致。也许有些有8列，有些表有9列。

首先，我使用了将所有PDF合并为单个PDF的代码，然后尝试使用tabula包提取表。

import os
from PyPDF2 import PdfFileMerger

folder = 'C:/Users/User.LAPTOP-2TC2V5HI/Documents/WOD PDF/'
x = [folder + fn for fn in os.listdir(folder) if fn.endswith('.pdf')]

# folder = 'C:/Users/User.LAPTOP-2TC2V5HI/Documents/WOD PDF/'

# x = [a for a in os.listdir(folder) if a.endswith(".pdf")]

merger = PdfFileMerger()

for pdf in x:
    merger.append(open(pdf, 'rb'))

with open("result.pdf", "wb") as fout:
    merger.write(fout)

我使用了以下代码：

from tabula import read_pdf
from tabulate import tabulate

df = read_pdf('result.pdf', pages='all', mulitple_tables=True, names = ('col1','col2','col3','col4','col5','col6','col7','col8','col9'), error_bad_lines=False)
df

但出现此错误：

'CSVParseError: Error failed to create DataFrame with different column tables. Try to set `multiple_tables=True` or set `names` option for `pandas_options`.  , caused by ParserError('Error tokenizing data. C error: Expected 8 fields in line 169, saw 9\n',)'

由于列差异，无法使用表格读取PDF

0 个答案: