我要投稿

开源 PDF 表格抽取神器来了：一键提取 PDF 表格数据，还提供 Web 可视化操作界面！

发布日期：2024-07-10 11:11:00 浏览次数： 2926

作者：AI真好玩

微信搜一搜，关注“AI真好玩”

在信息爆炸的今天，我们经常面临着从大量 PDF 文档中提取关键数据的挑战。无论是财务报表、市场调研数据还是法律文档，这些PDF 文件中蕴含的表格信息往往需要被转换为可操作的数据格式，以便进行进一步的分析和处理。然而，手动从 PDF 中提取表格数据不仅耗时，而且容易出错，这对于追求效率和精确度的专业人士来说是一个不小的难题。

本文我将介绍一个开源的 PDF 表格抽取工具 —— camelot^[1]。

camelot 使用示例

camelot 快速上手

新建 camelot 项目
安装 Ghostscript^[2]，它用于解析 PDF 文件。macOS 用户可以使用 brew 来安装 Ghostscript。

brew install ghostscript

使用 pip 安装 camelot

pip install "camelot-py[base]"

新建 main.py 文件并输入以下内容

import camelot

tables = camelot.read_pdf('foo.pdf')
tables.export('foo.csv', f='csv', compress=False)

运行 main.py 程序

python3 main.py

对于 macOS 或 Linux 系统的用户来说，在运行 main.py 程序时，如果出现以下错误：

/ghostscript/_gsprint.py", line 267, in <module>
    raise RuntimeError("Please make sure that Ghostscript is installed")

可以在运行程序前，先配置 DYLD_LIBRARY_PATH 环境变量：

export DYLD_LIBRARY_PATH=/opt/homebrew/Cellar/ghostscript/10.03.1/lib/

成功运行 main.py 程序之后，在 camelot 项目根目录下生成对应的 csv 文件。

excalibur 快速上手

为了方便用户使用 camelot，camelot 团队提供了一个 Web 工具 —— excalibur^[3]。

使用 pip 安装 excalibur

pip install excalibur-py

初始化数据库

excalibur initdb

启动 excalibur 服务器

excalibur webserver

当服务器成功启动后，在浏览器中打开 http://127.0.0.1:5000/files 地址，就会看到以下操作界面：

之后，点击 Upload PDF 按钮选择本地 PDF 文件，就可以开始抽取表格了。此外 excalibur 还提供的检测表格的功能，使用效果如下图所示：

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-10-16

“AI智能做课”还是“智障做课”？我被某SAAS上市公司的AI产品坑哭了！

2025-10-10

提效40%？揭秘AI驱动的支付方式“一键接入”系统

2025-10-10

靠谱是AI Agent最关键的衡量条件吗？恐怕不是。

2025-09-12

AI赋能前端开发提效实践：以长颈鹿接入为例

2025-08-26

让浏览器自己工作：AI自动化技术落地全攻略【AI助力全员提效方向】

2025-08-25

从"技术牛马"到AI参与者：我的300小时突围实战指南

2025-08-25

企业信息部门员工如何搭建个人数字化知识体系

2025-08-23

领导，别再逼我填AI提升效率表了！程序员的血泪控诉！

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

从"技术牛马"到AI参与者：我的300小时突围实战指南

2025-08-25

如何用AI Coding和Claude Code提升开发效率？看我的全流程复盘

2025-07-30

你顺手都没做，AI再牛也改不了命

2025-07-23

我给自己做了一个AI周报系统，治好了我的想法太多、执行太少

2025-07-22

程序员被AI养废了

2025-07-31

AI在实际生成环境中的提效实践

2025-08-06

把AI当成“实习生”来带，我搞懂了怎么学AI

2025-08-01

AI赋能前端开发提效实践：以长颈鹿接入为例

2025-09-12

让浏览器自己工作：AI自动化技术落地全攻略【AI助力全员提效方向】

2025-08-26

入园照怎么拍？Coze工作流来帮忙，让海马体失业！

2025-08-01

大家都在问

如何判断 AI 将优先自动化哪些任务？

2025-07-08

普通人用不好AI的真正原因？

2025-06-09

从重复劳动到价值创造，人类与AI的分工边界该如何重写？

2025-05-28

2025-05-15

2025-05-07

2025-04-28

2025-04-20

Cursor 深度评测：革命性提效工具还是过誉的玩具？

2025-04-04

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB