使用Python tabula库转换PDF为CSV/XLS时如何保留两位小数

• 你当前直接调用tabula.convert_into()的方式没有中间处理DataFrame的步骤，无法控制输出的小数精度，需要先手动读取PDF表格内容、调整数值格式后再导出CSV，调整后代码如下：

import tabula
import pandas as pd

# 读取PDF时添加参数保证数值读取完整，lattice=True适用于带明确边框的表格，无框表格换成stream=True
df_list = tabula.read_pdf("File1.pdf", pages='all', lattice=True, pandas_options={'dtype': str})

# 合并多页表格为单个DataFrame，各页表头不一致的话可以删除该行逐页处理
full_df = pd.concat(df_list, ignore_index=True)

# 遍历所有列，将可转换为数值的列统一设置保留两位小数
for col in full_df.columns:
    # 尝试转换为数值，转换失败的文本类列直接跳过
    full_df[col] = pd.to_numeric(full_df[col], errors='ignore')
    # 仅对数值类型列做格式化处理
    if pd.api.types.is_numeric_dtype(full_df[col]):
        full_df[col] = full_df[col].apply(lambda x: f"{x:.2f}" if pd.notna(x) else x)

# 导出处理后的内容到CSV，不导出pandas自带的索引列
full_df.to_csv("File1.csv", index=False, encoding='utf-8-sig')

• 批量处理目录下所有PDF的调整后代码如下：

import os
import tabula
import pandas as pd

input_dir = "input_directory"

for filename in os.listdir(input_dir):
    if filename.lower().endswith(".pdf"):
        pdf_path = os.path.join(input_dir, filename)
        csv_path = os.path.join(input_dir, filename.rsplit('.', 1)[0] + ".csv")
        
        df_list = tabula.read_pdf(pdf_path, pages='all', lattice=True, pandas_options={'dtype': str})
        full_df = pd.concat(df_list, ignore_index=True)
        
        for col in full_df.columns:
            full_df[col] = pd.to_numeric(full_df[col], errors='ignore')
            if pd.api.types.is_numeric_dtype(full_df[col]):
                full_df[col] = full_df[col].apply(lambda x: f"{x:.2f}" if pd.notna(x) else x)
        
        full_df.to_csv(csv_path, index=False, encoding='utf-8-sig')

如果不需要给一位小数的数值补0（例如不希望1.2变成1.20），可以把格式化逻辑替换为`lambda x: f"{x:.2f}".rstrip('0').rstrip('.') if pd.notna(x) and '.' in f"{x:.2f}" else f"{x:.2f}"即可。

内容的提问来源于stack exchange，提问作者linux01