如何保存耗时生成的NumPy数组，避免重复执行提取代码？

核心思路 #

首次生成tablesSys数组后，将其保存到本地文件；后续只需从文件加载数组，无需重复执行耗时的PDF提取操作。

方法一：使用NumPy原生保存/加载（推荐） #

NumPy自带的np.save()和np.load()专门针对NumPy数组优化，效率高且使用简单。

1. 首次生成并保存数组

在现有代码后添加保存逻辑：

import numpy as np
import camelot as cam

# 原PDF提取代码（仅需执行一次）
tablesSys = cam.read_pdf("840Dsl_sysvar_lists_man_0122_de-DE_wichtig.pdf",
                         pages = "667-795", 
                         process_threads = 100000, 
                         line_scale = 100, 
                         strip_text ='.\n'
                        ) 
tablesSys = np.array(tablesSys)

# 保存数组到本地文件
np.save("tablesSys.npy", tablesSys)

2. 后续直接加载数组

替换原PDF提取代码，直接加载保存好的数组：

import numpy as np

# 直接从文件加载数组，无需再跑PDF提取
tablesSys = np.load("tablesSys.npy")

方法二：使用Pickle保存（支持任意Python对象） #

如果需要保存包含数组的复杂对象，可使用Python标准库pickle：

1. 首次保存

import pickle

# 生成数组后执行保存
with open("tablesSys.pkl", "wb") as f:
    pickle.dump(tablesSys, f)

2. 后续加载

import pickle

with open("tablesSys.pkl", "rb") as f:
    tablesSys = pickle.load(f)

方法三：使用Joblib（适合超大数组） #

若数组体积较大，joblib的压缩效率更优：

# 安装joblib（首次使用需执行）
# !pip install joblib

import joblib

# 保存
joblib.dump(tablesSys, "tablesSys.joblib")

# 加载
tablesSys = joblib.load("tablesSys.joblib")

自动化判断（可选） #

添加文件存在判断，实现“自动检查-无文件则生成并保存，有文件则直接加载”：

import numpy as np
import camelot as cam
import os

save_path = "tablesSys.npy"

if os.path.exists(save_path):
    # 文件存在，直接加载
    tablesSys = np.load(save_path)
else:
    # 文件不存在，生成并保存
    tablesSys = cam.read_pdf("840Dsl_sysvar_lists_man_0122_de-DE_wichtig.pdf",
                             pages = "667-795", 
                             process_threads = 100000, 
                             line_scale = 100, 
                             strip_text ='.\n'
                            ) 
    tablesSys = np.array(tablesSys)
    np.save(save_path, tablesSys)

内容的提问来源于stack exchange，提问作者Rebecka