创新互联Python教程：详解利用python提取pdf文本数字

说明：从PDF文件中提取其他类型的数据，如文本或图像。将说明从pdf文件中提取数据表，然后将其转换为适合于进一步分析和构建模型的格式，以一个实例作为介绍。

使用python从PDF文件中提取一个表格

1、将表复制到Excel并保存为table_1_raw.csv

数据以一维格式存储，必须进行重塑、清理和转换。

2、导入必要的库

import pandas as pd
import numpy as np

3、导入原始数据，重新定义数据

df=pd.read_csv("table_1_raw.csv", header=None)
df.values.shape
df2=pd.DataFrame(df.values.reshape(25,10))
column_names=df2[0:1].values[0]
df3=df2[1:]
df3.columns = df2[0:1].values[0]
df3.head()

4、使用字符串处理工具进行数据纠缠

我们从上面的表格中注意到，x5、x6和x7列是用百分比表示的，所以我们需要去掉percent(%)符号:

df4['x5']=list(map(lambda x: x[:-1], df4['x5'].values))
df4['x6']=list(map(lambda x: x[:-1], df4['x6'].values))
df4['x7']=list(map(lambda x: x[:-1], df4['x7'].values))

5、将数据转换为数字形式

我们注意到列x5、x6和x7的列值数据类型为string，因此我们需要将它们转换为数值数据，如下所示:

df4['x5']=[float(x) for x in df4['x5'].values]
df4['x6']=[float(x) for x in df4['x6'].values]
df4['x7']=[float(x) for x in df4['x7'].values]

6、查看转换数据的最终形式

df4.head(n=5)

7、最后导出最终数据到一个csv文件

df4.to_csv('table_1_final.csv',index=False)

从第一步开始内容就很不简单，大家边看边动手就很容易理解哦~如需了解更多python实用知识，点击进入PyThon学习网教学中心。

（推荐操作系统：windows7系统、Python 3.9.1，DELL G3电脑。）

当前题目：创新互联Python教程：详解利用python提取pdf文本数字
文章URL：http://www.shufengxianlan.com/qtweb/news15/374465.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联