使用Tabula将PDF转换为Excel时Pandas DataFrame创建报错求助

嘿，我看你遇到的问题根源在于对Tabula返回结果的处理方式不对哦！

当你用multiple_tables=True调用tabula.read_pdf()时，它返回的是一个包含多个Pandas DataFrame的列表，而不是单个可以直接转换为DataFrame的数据集。你直接把这个列表传给pd.DataFrame()，Pandas会因为列表里的每个元素都是不同形状的DataFrame，无法生成一个结构均匀的数组，所以才抛出了那个ValueError: setting an array element with a sequence...的错误。

给你两个针对性的解决方案，根据你的需求选就行：

方案一：把所有表格合并成一个Excel工作表（适合表格结构一致的情况） #

如果PDF里的所有表格列名、结构都差不多，可以用pd.concat()把它们合并成一个大的DataFrame，再保存：

import tabula
import pandas as pd

# 你的PDF路径
path = "C:/Users/Littl/OneDrive/Área de Trabalho/app/pdf/notafiscal.pdf"
# 读取所有页面的多个表格，得到DataFrame列表
pdf_tables = tabula.read_pdf(path, pages='all', multiple_tables=True)

# 合并所有表格，ignore_index=True重置行号
combined_df = pd.concat(pdf_tables, ignore_index=True)

# 输出路径要加上文件名哦，你之前的路径只是文件夹，会报错！
output_path = "C:/Users/Littl/OneDrive/Área de Trabalho/app/pdf/notafiscal.xlsx"
combined_df.to_excel(output_path, index=False)

print("Done")

方案二：每个表格存到Excel的不同工作表（适合表格结构不一致的情况） #

如果PDF里的表格结构差异很大，分开存到不同工作表更合理：

import tabula
import pandas as pd

path = "C:/Users/Littl/OneDrive/Área de Trabalho/app/pdf/notafiscal.pdf"
pdf_tables = tabula.read_pdf(path, pages='all', multiple_tables=True)

output_path = "C:/Users/Littl/OneDrive/Área de Trabalho/app/pdf/notafiscal.xlsx"
# 创建Excel写入器，把每个表格写入不同工作表
with pd.ExcelWriter(output_path) as writer:
    for table_idx, table in enumerate(pdf_tables):
        # 工作表命名为"表格1"、"表格2"...这样的格式
        table.to_excel(writer, sheet_name=f"表格{table_idx+1}", index=False)

print("Done")

另外注意一个小细节：你之前的pdf_out_xlsv变量只写了文件夹路径，没有具体的文件名（比如notafiscal.xlsx），这样保存的时候也会报错，上面的代码里已经帮你修正了这个问题~

如果合并后出现很多空值，说明表格结构不一致，这时候建议用方案二，或者先手动检查每个表格的列名，做一些预处理再合并。

备注：内容来源于stack exchange，提问作者meaculapa