如何使用python-camelot从同一目录下的多个PDF中提取数据？

Question

我正在尝试从多个pdf格式的多个表中提取数据，并将其保存为csv格式。我做了研究，发现python-camelot是一个很好的提取工具。我试过了，它在单个pdf上工作得很好。然而，我有超过50个相同格式的PDF文件，所以我决定使用For循环迭代所有文件，但它不起作用，我得到一个错误文件没有在目录中找到。你能帮帮我吗。代码如下：

import tkinter 
import camelot
import os

directory = 'C:\\Users\\Alr\\Desktop\\test\\'
files = [ filename for filename in os.listdir(directory)]
for i in range (len(files)):
    tables = camelot.read_pdf(files[i], pages='5,6,7')
    tables.export(files[i], f='csv', compress=True) # json, excel, html, sqlite
    tables.to_csv(files[i]+'.csv')

Answer 1

正如注释中所建议的，问题在于os.listdir只返回文件名，而不返回完整路径。

您可以尝试这样做：

import tkinter 
import camelot
import glob

directory = 'C:\\Users\\Alr\\Desktop\\test\\*.pdf'
files = [filename for filename in glob.glob(directory)]

for pdf_filepath in files:
    csv_filepath=pdf_filepath.replace('.pdf','.csv')
    tables = camelot.read_pdf(pdf_filepath, pages='5,6,7')

    # the following lines seem to be duplicate
    tables.export(csv_filepath, f='csv', compress=True) # json, excel, html, sqlite
    tables.to_csv(csv_filepath)