Python: python编程中扫描pdf到excel的转换

Question

我是Python开发的新手，有没有办法使用python将扫描过的PDF/image转换为Excel。

我尝试了以下方法：

步骤1:安装pypandoc库，

代码文件中的pip install pypandoc和导入库，如下所示

import pypandoc
from reportlab.lib.testutils import outputfile

第2步：

添加了下面的代码，以便转换为excel

canout = pypandoc.convert_file("DT.pdf", 'excel', outputfile="MyPdf.excel")
assert canout==""

但却无法成功。请为同样的实施建议我。

注:如果有任何其他方式的实施也是欢迎的。

谢谢

Answer 1

FYI - CLI版本允许每页指定多个感兴趣的区域.这里指定了5个区域。

java -jar .\tabula-1.0.2-jar-具有依赖性的jar 1 -p 1 -a 175,140,540,270 -a 175,265,540,390 -a 175,390,540,520 -a 175,510,540,640 -a 175,640,540,780 -o outFile.csv testfile.pdf

Answer 2

-a后面的数字是X，Y像素坐标，定义了页面上感兴趣的区域。想象一下，在图像上铺上透明的图形纸，在x1=175 y1=140 x2=540 y1=140和x2=540以及y2=270 x2=540和y=540上标记这4个点。接下来，画出与这些点相交的水平线和垂直线。将创建一个边框/矩形。这是要处理的兴趣范围。

    |           |
    |           |

-x1，y2

因为每个感兴趣的区域有4个唯一的x和y值，所以可以使用4个值来描述软件的最小边界框。