• 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(⬅️点击直达),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
    20220621141911

    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

    大家可以在线条是否透明下拉框选择 True

    20220621142046

    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

    20220621142708
    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。

    以上。欢迎三连。

    另。

    直播暂定周日晚,大家没有关注我bilibili,欢迎来波关注,届时会在动态发预告。
    20220621132441

  • 相关阅读:
    HBASE数据模型&扩展和负载均衡理论
    JVM Safepoint 安全点
    JVM垃圾回收算法 及 垃圾收集器
    JVM运行时数据区域
    Java IO、BIO、NIO、BIO
    Java反射
    Zookeeper
    二叉树深度
    二叉树层次遍历
    KMP算法
  • 原文地址:https://www.cnblogs.com/jpld/p/16441804.html
Copyright © 2020-2023  润新知