python删除pdf中的表格,python删除pdf指定页面

本文目录一览：

• 1、Python利器：如何处理PDF表格数据
• 2、哪位大神知道如何用Python中的docx模块删除docx文档中的表格？
• 3、python删除打不开的pdf
• 4、Python解析PDF表格——PDFPlumber vs Camelot
• 5、Python 哪个库可以删除Excel表格的某行或某列

Python利器：如何处理PDF表格数据

大家好，我是Peter~

在很多情况下，我们都需要处理PDF格式的文件。尤其当我们遇到PDF表格数据需要进行提取，真的是一个令人头疼的问题。

因为PDF文件不能像Word那样直接复制，即使复制了再黏贴也可能会出现格式排版错乱甚至乱码问题。如何从一个PDF文件提取出表格数据？本文提供两个解决方案：

首先提供的一种方法是从文字 PDF 中提取表格信息的工具：Camelot，它能够直接将大部分表格转换为 Pandas 的 Dataframe。

更多的详细信息，请参考项目地址：

camelot的安装有多种方式。如果有报错，网上一般有解决方式：

1、通过conda安装

2、使用pip进行安装

3、通过GitHub进行安装

首先将项目复制到本地：

然后进入文件中进行安装：

下面通过一个案例来讲解如何使用camelot。假设我们现在有一个只有一页的PDF文件test.pdf：

1、先读取文件

导出成csv格式的数据（方式1）

查看tables的相关信息：

导出方式2：

将数据转换成DataFrame：

tabula的功能比camelot更加强大，可以同时对多个表格数据进行提取。项目的具体地址请参考：

tabula的安装是非常简单的：

安装之后检验这个库是否安装成功：

通过tabula这个库来读取PDF文件：

然后我们发现列表中唯一的一个元素就是dataframe：

将读取到的数据输出成CSV格式的文件：

上面读取的PDF文件是比较简单的，只有一页，而且刚好是一个很标准的表格形式的数据，下面看一个比较复杂的例子：

下面是第一页，第一列可以看成是索引：

在第二页中有两份表格，而且中间有很多的空白行：

第三页的数据比较标准：

这3页是在同一个PDF文件中，这3页是在同一个PDF文件中，这3页是在同一个PDF文件中

上面的红色提示中我们看到：当没有指定pages参数的时候，只会默认读取第一页的数据，所以列表的长度为1。

转成dataframe后将原来的索引变成新的一列 （部分数据）

通过pages来读取全部数据：

通过指定pages=”all”：

同时获取两个表格的数据：

通过area参数来指定：

删除在读取的表格中我们不需要的字段信息

可以将得到的数据输出成不同格式的文件，以json格式为例：

我们可以看到

哪位大神知道如何用Python中的docx模块删除docx文档中的表格？

可以使用docx模块。

from docx import Document # 导入库”””word表格中”””

path = “C:\\Users\\1\\Desktop\\测试.docx” # 文件路径

document = Document(path) # 读入文件

tables = document.tables # 获取文件中的表格集

删掉指定的那一个表格即可

希望我的回答对你有帮助~

python删除打不开的pdf

python删除打不开的pdf可以用以下方法：

1、python内要对pdf文件进行操作的话，一般都是使用PyPDF2这个第三方模块，而删除pdf页面则需要先将这个文件对象实例化到python中并且创建一个数据写入工具才可以来保存pdf文件。

2、使用for循环去迭代这个reader对象，这个reader对象还要调用getNumPages()方法，此方法的作用就是获取到这个pdf文件的页数，在循环之中创建一个空文档并且将获取到pdf页给写入。

Python解析PDF表格——PDFPlumber vs Camelot

题图来自 Camelot: List o’ 10 Intriguing Mythical Places

为获取LEED认证项目的评分表明细，可以从USGBC的项目页面上爬取，或者从pdf格式的项目评分表中解析得到。以 重庆某LEED EM:OB v2009 Gold项目 为例，USGBC上公布的 LEED项目得分表 其格式并不统一，利用XPath爬取后需要进一步清洗处理。相对而言，LEED项目所对应的 项目评分表PDF文件 的数据更为规范完整。因此考虑尝试解析出PDF文件中的表格，以便后续分析。

Python 处理PDF文件的程序包，pdfminer、tabula、pdfplumber、camelot……查询资料表明，似乎普遍认为pdfminer的效果不怎么好，而tabula需要java支持 ，想偷懒于是只试了pdfplumber和camelot。

安装过程不赘述，直接来看运行结果。

pdfplumber无法直接解析出Scorecard.pdf文件中的表格，但实际上要解决此问题也并非难事。调整下思路，可先解析出pdf文件中的文本，让后通过分列来得到表格。

利用pdfplumber的extract_text()命令可解析出pdf文件中的文本，但由于本次需要解析的得分表pdf文件的排版的原因，左右两个表格的文本行并未完全对齐，因此如果直接解析完整页面上的文本的话，文字会出错。先用corp()命令指定识别范围，然后再extract_text()，识别得到的文本列表如下所示。

对于类似本例中Scorecard.pdf表格排版有错位的情况，也可以按照表格在页面中所处的位置，指定表格识别的范围。所用到的指令：camelot.plot()可以绘制出页面的略图，table_area参数可以指定表格识别的范围。

又及，Camelot原来是亚瑟王和圆桌骑士们的宫殿所在地，和Asgard的Valhalla一样，也是传说中的圣域。搜索camelot程序安装包时无意中学到的，涨知识了。

[1] Python：解析PDF文本及表格——pdfminer、tabula、pdfplumber 的用法及对比

[2] 用Python提取pdf文件中的表格数据

[3] python读取pdf文件

[4] Github: pdfplumber

[5] Camelot: PDF Table Extraction for Humans

[6] ImageMagick Installation

[7] ImageMagick之PDF转换成图片（image）

[8] LEED 2009 for Existing Buildings: Operations Maintenance

[9] Camelot – Wikipedia

[10] List o’ 10 Intriguing Mythical Places

[11] Camelot识别pdf表格时的参数设置补充

Python 哪个库可以删除Excel表格的某行或某列

openpyxl 2.5以上版本可以删除Excel表格的某行或某列。

示例代码：

from openpyxl import *。

filename = ‘test.xlsx’。

wb = wb = load_workbook(filename)。

ws = wb.active。

ws.delete_rows(2,2) #删除index为2后面的2行。

扩展资料：

Python在执行时，首先会将.py文件中的源代码编译成Python的byte code（字节码），然后再由Python Virtual Machine（Python虚拟机）来执行这些编译好的byte code。

这种机制的基本思想跟Java，.NET是一致的。然而，Python Virtual Machine与Java或.NET的Virtual Machine不同的是，Python的Virtual Machine是一种更高级的Virtual Machine。

参考资料来源：百度百科-Python