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： 3079

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

2025-12-14

吓人！美团宣布把前端转到后端去做全栈

2025-12-14

2025 年，我退订了 ChatGPT，只留下了这 9 款 AI 工具（无广）

2025-12-12

第一次用 notebooklm，还是被大大震撼到了

2025-12-10

智谱AI输入法补上了「输入」这一端

2025-12-10

有了 NotebookLM 后，还需要 Obsidian 吗？

2025-12-09

谁是中国 AI 创新的第一公里？

2025-12-08

TRAE SOLO 3.0：从氛围编程到精准编程的演进与实战策略🧣

2025-12-07

未来五年最值得普通人拥有的能力：打造属于自己的 AI 专家系统

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

十五五规划来了，普通人如何不被AI淘汰？

2025-10-28

“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！

2025-10-16

秘塔做出了国内版NotebookLM，AI把我还给老师的知识要回来了

2025-11-28

靠谱是AI Agent最关键的衡量条件吗？恐怕不是。

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

Claude Skills：我花30分钟教会AI，省下一年200小时重复劳动

2025-11-17

Anthropic首份内部报告出炉！自家工程师亲述：生产力飙升50%，但感觉在亲手砸掉自己饭碗

2025-12-04

Shadow：非技术背景如何利用Agent OS，将专业经验“技能化”实现个人效能增强#趋势#讲座文字稿

2025-10-28

AI 时代，产品经理正在改变自己的工作方式

2025-11-10

当AI工程师开始研究AI如何改变自己的工作——Anthropic内部调研揭示的职场变革

2025-12-05

大家都在问

有了 NotebookLM 后，还需要 Obsidian 吗？

2025-12-10

谁是中国 AI 创新的第一公里？

2025-12-09

千问 APP 再更新：为什么说「聊天」并不是 AI 产品的终点？

2025-12-04

2025-11-20

2025-10-28

2025-07-08

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

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 AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB