pdf表格转csv（camelot工具的安装）

葫芦爷儿

今天，一个同学有许多pdf的表格需要提取成excel。直接复制出来是格式是乱的，于是我尝试找工具来解决。
最终的思路是这样的 1 安装camelot工具  2 读取pdf导出csv。

其中我是在macOS 10.12上做的，在安装camelot遇到一些问题，在此记录
1 macos的JDK安装  
参考网址 https://jingyan.baidu.com/article/7f766daffd99354101e1d095.html

2 安装好后 安装camelot
参考网址 https://github.com/socialcopsdev/camelot

2.1 安装 opencv
pip或conda都可以
pip install opencv
conda  install opencv

2.2 安装依赖环境 ghostscript
这里，我尝试了很多办法，最终是手动安装，然后修改程序

• 下载代码  根据自己电脑下载，比如 Ghostscript 9.26 for Linux x86 (64 bit)   http://ghostscript.com/download/
• 下载工具包  下载 Ghostscript 9.26 Source
• 根据手册，将解压后的文件放到 Ghostscript 9.26 Source目录下
• ./configure  --prefix=/usr/local/share/ghostscript/9.26/   这里CC= CPP=建议参考(下面各系统安装 ghostscript参考网址的说明)
• make so
• 
  

注意，brew install的版本过低，之前的url路径不存在了，会出现安装失败
安装里提到了 "The only difference compared to other Unix-like systems is that on OS X the resulting shared library is created with the ".dylib" file name extension, instead of the more usual ".so"."
macos上是.dylib，这在2.3步是要用到的。

参考网址：https://camelot-py.readthedocs.io/en/master/user/install-deps.html
各系统安装 ghostscript参考网址：https://www.ghostscript.com/doc/9.22/Make.htm
参考 ghostscript官网：https://www.ghostscript.com


2.3 修改代码，制定路径
由于报错文件是

1.   File "/Users/hulu/anaconda3/envs/pdf/lib/python3.6/site-packages/camelot/ext/ghostscript/_gsprint.py", line 240, in <module>
   
2.     raise RuntimeError('Please make sure that Ghostscript is installed')
   
3. RuntimeError: Please make sure that Ghostscript is installed

复制代码

找到 libgs.dylib 的路径。
修改文件_gsprint.py，将报错位置进行修改
换成制定路径，

1. #libgs = ctypes.util.find_library('gs')
   
2. libgs = '/usr/local/share/ghostscript/9.26/bin/libgs.dylib'

复制代码

参考：https://www.ghostscript.com/doc/9.22/Make.htm



3 调用程序，转换pdf
例如

1. import camelot
   
2. tables = camelot.read_pdf('{0}.pdf'.format(file_name), pages='all')
   
3. tables.export('{0}.csv'.format(file_name), f='csv', compress=True

复制代码

具体使用看git上的的例子
以上是安装使用的步骤！！！！
=================== 分 割 线  ===========================

下面是报错的尝试！！！！ 顺利的话，就别看了！！！！
报错记录：
a 报错1
No module named 'cv2'
参考2.1 安装opencv

b 报错2

1.   File "/Users/yaochenyang/anaconda3/envs/pdf/lib/python3.6/site-packages/camelot/ext/ghostscript/_gsprint.py", line 240, in <module>
   
2.     raise RuntimeError('Please make sure that Ghostscript is installed')
   
3. RuntimeError: Please make sure that Ghostscript is installed

复制代码

刚开始我尝试了用conda install，但是conda安装Ghostscript会把opencv降低到3.4.1，而opencv-python>=3.4.2.17

1.     blas:      1.1-openblas                         conda-forge --> 1.0-mkl                https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
   
2.     hdf5:      1.10.4-nompi_h5598ddc_1105           conda-forge --> 1.10.2-hc401514_3      conda-forge                                            
   
3.     libnetcdf: 4.6.2-h2c3f975_1                     conda-forge --> 4.6.1-h34af652_200     conda-forge                                            
   
4.     netcdf4:   1.4.2-py36hf4e5497_1                 conda-forge --> 1.4.1-py36ha292673_200 conda-forge                                            
   
5.     numpy:     1.15.4-py36_blas_openblashb06ca3d_0  conda-forge [blas_openblas] --> 1.14.2-py36ha9ae307_0  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
   
6.     opencv:    3.4.4-py36_blas_openblash21f6aec_203 conda-forge [blas_openblas] --> 3.4.1-py36h6fd60c2_1   

复制代码

参考  https://stackoverflow.com/questions/17653569/unable-to-load-library-gs-libgs-so-cannot-open-shared-object-file-no-such-f
参考：https://github.com/socialcopsdev/camelot/issues/184

下面是我其中的尝试
b1  
pip install ghostscript https://pypi.org/project/ghostscript/
conda brew
mac上安装 https://pages.uoregon.edu/koch/
然而并没有libgs.so文件。

b2
安装到本地，然后修改程序制定路径，最终采用了第二条建议
参考网址：https://stackoverflow.com/questions/6848903/python-ghostscript-runtimeerror-can-not-find-ghostscript-library-libgs
但此时没有安好ghostscript ，仍然在尝试

b3
因为发现缺少的是libgs,于是直接发现有 pip install libgs
但是因为这还是没有 libgs.os文件，是我还不太清楚一些库安装好了，也是没用。

b4
找到linux上安装的方法，因为macos相似，就看了看
参考网址：http://www.linuxfromscratch.org/blfs/view/8.3/pst/gs.html

b5  顺的b4
找到了类似的安装，比b4简洁一些
参考网址：https://stackoverflow.com/questions/17653569/unable-to-load-library-gs-libgs-so-cannot-open-shared-object-file-no-such-f/22721446


b6 最后回到了2.3步骤的方法


------------------------------------------------------------------------------------------------------------------------------------------------------------------------
下面是一个简单的例子，其实git上的test里也有，安装成功后可以尝试。
数据和程序放到了测试例子.zip
数据是两份pdf，均来自网络
调用函数

1. #!usr/bin/env python
   
2. #-*- coding:utf-8 _*-
   
3. """
   
4. @author:葫芦爷儿
   
5. @file: ex_camelot.py
   
6. @time: 2019-01-12 12:13
   
7. """
   
8. import camelot
   
9. 
   
10. def pdf2scv(file_name):
    
11.     file_url = file_name
    
12.     tables = camelot.read_pdf('{0}.pdf'.format(file_url), pages='all')
    
13.     tables.export('{0}.csv'.format(file_url), f='csv', compress=True)
    
14. 
    
15. 
    
16. if __name__=="__main__":
    
17.     for index in range(2013, 2015):
    
18.         file_name = 'statistics{:}'.format(index)
    
19.         pdf2scv(file_name)
    

复制代码

13top

感谢楼主分享{:eb502:}

葫芦爷儿

感谢我的同门在windows上试了一下，很顺利。下面是他的记录

一、        安装python camelot模块
Win7(系统为win7)上直接

1. conda install -c conda-forge camelot-py

复制代码

参考网址：https://github.com/socialcopsdev/camelot
二、        安装ghostscript脚本语言
Windows上安装直接下载运行脚本，点击运行安装即可。
下载网址：https://www.ghostscript.com/download/gsdnld.html

13top

{:5_213:}

biubiubiu

数量不多的话直接可以用OCR识别再复制到表格就可以吧，现在的识别软件对电脑字体识别率很高。

931404656

不错 python用炉火纯青