如何在Python的Camelot库中传入自定义表格区域参数提取PDF表格

问题修正点 #

• 原代码中table_areas参数传入的是固定字符串'x1,x2,x3,x4'，没有读取用户输入的坐标变量
• 重复调用camelot.read_pdf两次，第一次读取无实际作用，可删除
• 错误将index、ignore_index参数放到camelot.read_pdf中，这两个参数属于to_excel方法，传入camelot读取方法会触发参数报错
• camelot的table_areas参数要求传入格式为["x1,y1,x2,y2"]的字符串列表，四个值分别对应表格区域的左、上、右、下坐标

修正后代码 #

import camelot
import pandas as pd

# 读取用户输入
pdf_line = input("Enter pdf path: ")
x1 = input("Enter coordinate x1: ")
y1 = input("Enter coordinate y1: ")
x2 = input("Enter coordinate x2: ")
y2 = input("Enter coordinate y2: ")

# 拼接符合camelot要求的table_areas参数
table_area_str = f"{x1},{y1},{x2},{y2}"

# 读取PDF指定区域的表格
tables = camelot.read_pdf(pdf_line, flavor='stream', table_areas=[table_area_str])

# 输出结果并导出为Excel
print(tables[0].df)
tables[0].to_excel("1.xlsx", index=False)

如果需要导出为CSV，把最后一行的to_excel替换为to_csv即可，示例：

tables[0].to_csv("1.csv", index=False, encoding="utf-8-sig")

内容的提问来源于stack exchange，提问作者vidushi kothari