是否可以打开PDF并使用python pandas读取它或者我是否必须使用pandas剪贴板来实现此功能？
答案 0 :(得分：5)
如果是一次性的，您可以将PDF表格中的数据复制到文本文件中，格式化（使用搜索和替换，Notepad ++宏，脚本），将其另存为CSV文件和加载到熊猫。
如果您需要以可扩展的方式执行此操作，可以尝试使用此产品：http://tabula.technology/。我还没有使用它，所以我不知道它有多好用，但如果你需要它你可以探索它。
答案 1 :(得分：3)
这是不可能的。 PDF是用于打印的数据格式。因此表结构丢失了。幸运的话，您可以使用 pypdf 提取文本并猜测前表格列。
答案 2 :(得分：2)
你可以使用tabula https://blog.chezo.uno/tabula-py-extract-table-from-pdf-into-python-dataframe-6c7acfa5f302
from tabula import read_pdf
df = read_pdf('data.pdf')
我可以在链接中看到更多内容！
答案 3 :(得分：1)
从PDF复制表格数据并粘贴到Excel文件中（通常将其粘贴为单个而不是多个列）。然后使用FlashFill（Excel 2016中提供，不确定早期的Excel版本）将数据分成最初在PDF中查看的列。这个过程快速而简单。然后使用Pandas来处理Excel数据。
答案 4 :(得分：0)
我一直在使用 Camelot （https://camelot-py.readthedocs.io/en/master/）进行一些测试，在许多情况下它都非常有效。如果默认参数不起作用，您可以尝试调整一些参数。
它与 Tabula 类似，但是它使用不同的算法（Tabula使用PDF中的矢量数据并对表格的行进行栅格化； Camelot使用Hough变换），因此您可以尝试同时查找最好的一个。
两者都具有网络版本，因此您可以尝试使用一些示例来确定哪个是最适合您的应用程序。
答案 5 :(得分：0)
有tabula的{{1}}新版本
tabula-py pip install tabula-py
方法的工作方式与旧版本相同，文档位于此处：
https://pypi.org/project/tabula-py/
答案 6 :(得分：-1)
当我这样做时
from tabula import read_pdf
import pandas as pd
df = read_pdf('C:\\Users\\sreeraj.va\\Desktop\\kkrvspnj.pdf')
df.shape
>> (68, 10)
但我的df是（20000,10）的形状，在笔记本中它只显示第一页的形状。为什么这样？