将PDF转换为Excel

Question

如何将pdf内的表格转换为excel。

我尝试了一些在线工具，但结果却是60％。

下面给出了我的pdf中包含的样本表。 我隐藏了包含名称的字段。

Answer 1

从pdf文件中获取数据非常混乱。如果pdf表是有序的并且嵌入了独特的模式，那么获取数据的最佳方法是将pdf转换为xml。为此，您可以使用： pdftohtml 。

安装：sudo apt-get install pdftohtml

用法：pdftohtml -xml *Your File.pdf* *Output File.xml*

您可以直接在终端中运行此命令。

您现在将获得的xml文件将具有与html类似的标记，您可以使用它从生成的xml输出中获取数据。

PS：有一点需要注意的是，如果pdf表没有被排序，那么从该xml中获取数据变得非常困难，因为标签将具有一些与模式不匹配的属性。在这种情况下，您需要对事物进行硬编码。