python抓取pdf中的表格转换为csv表格&汉语站名批量变英文（拼音）名_python实现从pdf中提取表格导出csv

1, PDF转csv

import tabula

from tabula import read_pdf
from tabulate import tabulate
import pandas as pd
import io
1
2
3
4
5
6

一般情况下，PDF中的表格指的是非图片格式的PDF，否则无法识别

tabula.convert_into('pdf路径.pdf', '输出表名称.csv', 
                    output_format="csv", pages = 'all')
1
2

pages 也可以选择某一页：

pages = 6 #第6页
pages = "all" #全部页面
1
2

2，表格dataframe中的汉字自动转拼音

import pypinyin
1

'''把汉语改写为拼音'''
df1=pd.read_csv(r'文件路径')
df1.head()
1
2
3

输出为：

循环改变 df1‘’站名‘’ 这一列的汉子为拼音：

pinyin_name = []
first_pinyin = []
for i in df1['站名']:
    r1=pypinyin.pinyin(i,style=Style.TONE3)  # style控制是否添加拼音的音调
    r2_=[i[0] for i in r1]
    r3=r2_[0].capitalize() + ' ' + ''.join(r2_[1:]).capitalize()
    r4=''.join([i[0].upper() for i in r2_])
    print(r3, i, sep=' ')
    pinyin_name.append(r3)
    first_pinyin.append(r4)
df1['py_site'] = pinyin_name #拼音站名
df1['py_first2'] = first_pinyin #站名拼音的首字母

1
2
3
4
5
6
7
8
9
10
11
12
13