Python中如何提取PDF文件里表格的信息？

用tabula-py或camelot库来提取PDF表格最直接。tabula-py基于Java的Tabula，适合简单表格；camelot更擅长处理复杂线框。

1. 使用tabula-py提取：

import tabula

# 读取PDF中所有表格
tables = tabula.read_pdf('your_file.pdf', pages='all', multiple_tables=True)

# 将提取的表格保存为CSV
tabula.convert_into('your_file.pdf', 'output.csv', output_format='csv', pages='all')

2. 使用camelot提取（对复杂表格效果更好）：

import camelot

# 用stream模式提取（无线框表格）
tables = camelot.read_pdf('your_file.pdf', flavor='stream', pages='1-3')

# 用lattice模式提取（有线框表格）
tables = camelot.read_pdf('your_file.pdf', flavor='lattice')

# 查看提取结果
print(tables[0].df)

# 导出所有表格到Excel
tables.export('output.xlsx', f='excel')

关键点：

• 安装时注意：tabula-py需要Java环境，camelot需要ghostscript和tk
• 带明显边框的表格用lattice模式，无边框或间距不规则的用stream模式
• 可以先提取一页测试效果再批量处理

简单总结：简单表格用tabula，复杂表格用camelot。