调用pd.read_pdf报错module 'pandas' has no attribute 'read_pdf'如何解决

错误根因 #

pandas官方原生库不提供read_pdf方法，该报错是调用了不存在的类属性导致的。你看到的包含pd.read_pdf的示例大概率是误用了其他第三方库的方法，或依赖了未安装的pandas扩展包。

不同格式文件的读取方案 #

你需要分别使用对应工具库读取PDF、DOCX、TXT格式文件，以下是可直接复用的方案：

读取PDF文件 #

优先选用专门处理PDF表格的第三方库，读取结果可直接转换为pandas DataFrame格式：

• 可选库1：camelot-py
  安装命令：pip install camelot-py[cv]
  调用示例：

  import camelot
  # pages参数指定读取的页码，all为读取全部页
  tables = camelot.read_pdf('目标文件.pdf', pages='1')
  # 取第一个表格转为DataFrame
  child1Pdf = tables[0].df
  

• 可选库2：tabula-py
  安装命令：pip install tabula-py
  调用示例：

  import tabula
  # 读取PDF中表格，直接返回DataFrame列表
  dfs = tabula.read_pdf('目标文件.pdf', pages=1)
  child1Pdf = dfs[0]
  

读取DOCX文件 #

使用python-docx库解析DOCX内容：
安装命令：pip install python-docx
调用示例：

from docx import Document
import pandas as pd

doc = Document('目标文件.docx')
# 提取全文本
full_text = '\n'.join([para.text for para in doc.paragraphs])
# 提取文档中第一个表格转为DataFrame
table = doc.tables[0]
table_data = [[cell.text for cell in row.cells] for row in table.rows]
docx_df = pd.DataFrame(table_data[1:], columns=table_data[0])

读取TXT文件 #

pandas原生支持读取TXT文件，无需额外安装依赖：

import pandas as pd
# 可按需指定encoding、sep分隔符等参数
txt_df = pd.read_table('目标文件.txt', encoding='utf-8')

原代码额外问题修正 #

你提供的示例代码中os.chdir(directory+f"\\{fileDir}")一行的directory变量未提前定义，会触发NameError，建议提前把根路径赋值给该变量，示例：

# 提前定义根目录变量
directory = "C:\\Users\\adity\\Documents\\Parent"
os.chdir(directory)

内容的提问来源于stack exchange，提问作者Aditya Mishra