Camelot：为人类设计的PDF表格提取工具

Camelot是一个可以帮助您从PDF中提取表格的Python库！

**注意：**您还可以查看Excalibur，这是Camelot的Web界面！

**以下是如何从PDF中提取表格的方法。**您可以在这里查看本例中使用的PDF。

<pre> >>> import camelot >>> tables = camelot.read_pdf('foo.pdf') >>> tables <TableList n=1> >>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, markdown, sqlite >>> tables[0] <Table shape=(7, 7)> >>> tables[0].parsing_report { 'accuracy': 99.02, 'whitespace': 12.24, 'order': 1, 'page': 1 } >>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_markdown, to_sqlite >>> tables[0].df # 获取pandas DataFrame！ </pre>

循环名称	KI (1/km)	距离 (英里)	燃料节省百分比
			改善速度	减少加速	消除停车	减少空转
2012_2	3.30	1.3	5.9%	9.5%	29.2%	17.4%
2145_1	0.68	11.2	2.4%	0.1%	9.5%	2.7%
4234_1	0.59	58.7	8.5%	1.3%	8.5%	3.3%
2032_2	0.17	57.8	21.7%	0.3%	2.7%	1.2%
4171_1	0.07	173.9	58.1%	1.6%	2.1%	0.5%

Camelot还附带了一个命令行界面！

**注意：**Camelot仅适用于基于文本的PDF，不适用于扫描文档。（正如Tabula解释的那样，"如果您可以在PDF查看器中点击并拖动选择表格中的文本，那么您的PDF是基于文本的"。）

您可以在这里查看一些常见问题。

为什么选择Camelot？

可配置性：Camelot通过可调节的设置让您可以控制表格提取过程。
指标：您可以根据准确性和空白等指标丢弃不良表格，而无需手动查看每个表格。
输出：每个表格都被提取到一个pandas DataFrame中，可以无缝集成到ETL和数据分析工作流程中。您还可以将表格导出为多种格式，包括CSV、JSON、Excel、HTML、Markdown和Sqlite。

查看与类似库和工具的比较。