Python读取PDF中的表格并写入csv文件

以前各种在网上找专门的软件来从PDF中收集数据，费时费力，还要费尽心机去找软件的“免费版”。很久没这样收集过数据了，最近试了试python从PDF中读取表格的方法，感觉很方便。同时，读取后的结果不需要再花大力气去弄格式的问题，实在是科研狗狗的福利了。

比如在我的一篇文献中某一页有一张我想收集数据的表：

注意这里的实际页数是5。

我们使用比较流行的tabula来完成这项工作，同样功能的还有Camelot，但因为tabula用得很顺畅，就不再去深究了。

r的意思参考：https://www.geocalculate.com/7597.html

可以看出，读取后的结果是一个列表。

要将数据写入csv文件，数据最好是pandas的DataFrame形式，但上面我们得到的是一个列表，要怎么转化呢？

其实很简单，并不要转化，上面我们的len(tables)函数告诉我们这个列表里只有一个元素，所以我们使用tables[0]直接选择元素就获得了纯的数据：

class 'pandas.core.frame.DataFrame'：说明我们一旦选择之后，数据就是pandas的DataFrame的。

现在，在PDF相同目录下，将数据写入一个csv文件，该csv文件目前不存在：

这时再来看目录里，已经生成了csv文件：

打开看看：

十分成功。

实际上tabula自己就可以实现将数据写入csv文件的函数，比如：

但是，当我们需要处理不同的表格（有不同的数据）时，个人感觉还是用选择一下生成到不同的表里好区分一些。

一些老的pdf也是可以读的，但是可能会有些小的问题，比如一个表格被读成了两个，这时候上面的选择操作就更有必要了，同时，在我一开始的时候，使用了len(tables)来查看获得列表的长度也是这个目的。

https://tabula-py.readthedocs.io/en/latest/

https://www.geocalculate.com/7204.html