解析表格数据，Python与Tika对比

  • Z时代
  • 2024-01-10
  • 分类：综合

python

为了证明Python确实在解析表格数据上优于其他的选择，今天我们为大家进行实例对比，具体如下：


PDF文件表格样例



Python解析结果



其他样式解析，如Tika


1、TEXT格式


  Tika tika = new Tika();
        tika.setMaxStringLength(100 * 1024 * 1024);
        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {
            return tika.parseToString(stream);
        }


Text格式解析结果


2、XHTML格式


       ContentHandler handler = new ToXMLContentHandler();
        AutoDetectParser parser = new AutoDetectParser();
        Metadata metadata = new Metadata();
        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {
            parser.parse(stream, handler, metadata);
            return handler.toString();
        }


XHTML格式解析结果


解析PDF常用组件（PdfBox、iText、Tika等）都无法将表格数据解析成有规则的格式。解析后格式基本是TEXT、XHTML等导致处理表格数据变的非常复杂。


根据对比我们可以发现，用Python解析PDF的表格数据更为简单方便，下期我们就为大家带来Python解析PDF具体的方法。更多Python学习推荐:云海天Python教程网。

以上是 解析表格数据，Python与Tika对比 的全部内容， 来源链接： utcz.com/z/528407.html

回到顶部