如何使用Python从PDF文件中提取图表/表格/图形？
我搜索了很多，但由于我找不到解决这类问题的方法，因此在同一个问题上发布了一个明确的问题。大多数答案包括图像/文本提取，这是相对容易的。
我有一个要求提取表格和图形作为文本(csv)和图像分别从PDF。
有没有人能帮我写一个高效的python3.6代码来解决这个问题？
到目前为止，我可以使用startmark = b"\xff\xd8“和endmark = b"\xff\xd9”实现提取jpgs，但并不是PDF中的所有表格和图形都是普通的jpgs，因此我的代码无法实现这一点。
例如，我想从第11页提取表格，从第12页提取图形作为图像或从以下给定链接可行的东西。该怎么做呢？
https://hartmannazurecdn.azureedge.net/media/2369/annual-report-2017.pdf
回答 2
Stack Overflow用户
发布于 2019-04-29 16:23:45
要提取表，可以使用camelot
这里有一个关于它的article。
对于图片，我找到了这个问题并回答了Extract images from PDF without resampling, in python?
Stack Overflow用户
发布于 2020-11-20 15:04:00
尝试使用PyMuPdf(https://github.com/pymupdf/PyMuPDF/tree/1.18.3)合并文本、条形图、线条和轴。它有很多额外的实用程序。
https://stackoverflow.com/questions/55899363
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号