，维维股份，，新华联，，同济堂，，中联重科，年上半年财报密集发布!
遇到财报发布的季节了，表哥表姐发愁啊，为什么都是PDF的,还有这么多，周末的安排又泡汤呢？
很多时候我们需要用到PDF文件中的Excel表格，但是PDF文件有不可编辑性，所以想提取PDF文件中的表格还是需要一番功夫的。这是加班都搞不定的！
不要愁，Python大大又来帮助表哥表姐了。不仅教表哥表姐如何提取表格数据，而且还是自动档，一次编写，批量文件几分钟就搞定。
以下将介绍几种使用Python从PDF中抓取表格的方法。友情提示：仅适用于非扫描图像的PDF。
Tabula-PY
是一个非常好的软件包，它允许您同时扫描PDF，以及将PDF直接转换为CSV文件。
安装后，tabula-py很容易使用。安装后，tabula-py很容易使用。下面我们使用它从讨论Iris数据集的分类的论文中提取所有表格）。
importtabulafile=seminar8.pdftables=tabula.read_pdf(file,pages=all,multiple_tables=True)
存储到表中的结果是一个数据框列表，它对应于PDF文件中找到的所有表。要搜索文件中的所有表，您必须指定参数page=all和multiple_tables=True。
还可以使用tabula-py将PDF文件直接转换为CSV。下面的第一行将找到PDF中的第一个表并将其输出为CSV。如果我们添加参数all=True，我们可以将所有PDF表格写入CSV。
#outputjustthefirsttableinthePDFtoaCSVtabula.convert_into(file,iris_first_table.csv)#outputallthetablesinthePDFtoaCSVtabula.convert_into(file,iris_all.csv,all=True)
tabula-py还可以仅用一行代码读取目录中的所有PDF，并将每个表中的表提取到CSV文件中。
tabula.convert_into_by_batch(/path/to/files,output_format=csv,pages=all)
我们可以执行相同的操作，将表格提取到JSON，如下所示。
tabula.convert_into_by_batch(/path/to/files,output_format=json,pages=all)
Camelot
是从PDF中抓取表格的另一种解决方案。
Camelot确实有一些额外的依赖项，包括GhostScript安装完成后，我们可以像使用tabula-py一样使用Camelot来抓取PDF表格。
file=seminar8.pdftables=camelot.read_pdf(file,pages=1-end)
这将返回TableList对象。要访问index找到的任何表，您可以这样做：
#getthe0th-indexed-tabletabletables[0].df#getthe3rd-indexed-tabletables[3].df
Camelot的一个很酷的功能是，您还可以获得每个表的解析报告，其中包含精确度指标，找到表格的页面以及表格中存在的空白百分比。
tables[0].parsing_reporttables[3].parsing_report
从这里可以看到第0个索引的已识别表基本上是空白。如果查看原始PDF，可以看到该页面未包含表格，因此忽略此空数据框是安全的。
与tabula-py一样，您可以将所有表导出到文件中。Camelot支持（撰写本文时）CSV，JSON，HTML和SQLite。如果选择CSV，默认情况下，Camelot将为每个表创建单独的CSV文件。您可以通过添加参数