Pythonを使用してPDFをCSVに変換する

Pythonは、パッケージの膨大なライブラリでよく知られています。ライブラリの助けを借りて、PDFをCSVファイルに変換する方法を見ていきます。 CSVファイルは、一連の行と列とともにフレーム化されたデータのコレクションに他なりません。 PythonライブラリにはPDFをCSVに変換するためのさまざまなパッケージがありますが、Tabula-pyモジュールを使用します 。 tabula-pyの大部分はJavaで記述されており、最初にPDFドキュメントを読み取り、PythonDataFrameをJSONオブジェクトに変換します。

tabula-pyを使用するには、システムにJavaがプリインストールされている必要があります。 PDFファイルをCSVに変換するには、次の手順に従います-

• まず、 pip install tabula-py と入力して、必要なパッケージをインストールします コマンドシェルで。

• 次に、 read_pdf（ "file location"、pages =number）を使用してファイルを読み取ります 働き。これにより、DataFrameが返されます。

• tabula.convert_into（‘pdf-filename’、‘name_this_file.csv’、output_format ="csv"、pages ="all"）を使用してDataFrameをExcelファイルに変換します 。通常、PDFファイルをExcelファイルにエクスポートします。

例

この例では、IPL一致スケジュールドキュメントを使用しました Excelファイルに変換します。

# Import the required Module
import tabula
# Read a PDF File
df = tabula.read_pdf("IPLmatch.pdf", pages='all')[0]
# convert PDF into CSV
tabula.convert_into("IPLmatch.pdf", "iplmatch.csv", output_format="csv", pages='all')
print(df)

出力

上記のコードを実行すると、PDFファイルがExcel（CSV）ファイルに変換されます。