当前位置: 首页 > news >正文

基于tabula对pdf中多个excel进行识别并转换成word中的优化(五)

        优化地方:处理合并的单元格内容。

        1、修改为stream="complex"

        2、增加换行符f"{table_data[i - 1][j]}\n{table_data[i][j]}".strip()

        一、pdf中excel样例

      二、完整代码

import tabula
import numpy as np
from docx import Document
from docx.oxml.ns import qn
from docx.oxml import OxmlElement# print("multitab:", tables)# 创建一个新的Word文档
doc = Document()def get_table_data(df_list):multi_table_data = []# 遍历每个表格for table_index, table in enumerate(df_list):table_data = []# 获取行数和列数rows, cols = table.shapeheading_cells = []for col_num, column_name in enumerate(table.columns):heading_cells.append(column_name)table_data.append(heading_cells)for row_index, row in table.iterrows():table_data.append(row.tolist())multi_table_data.append(table_data)return multi_table_datadef handle_table(multitable_data):multi_table_data = []for table_data in multitable_data:for i in range(len(table_data) - 1, 0, -1):if table_data[i][0] in [None, np.nan, ""] or table_data[i][1] in [None,np.nan,"",]:for j in range(len(table_data[i])):if table_data[i][j] not in [None,np.nan,"",]:  # 只有当单元格不为空时才合并table_data[i - 1][j] = f"{table_data[i - 1][j]}\n{table_data[i][j]}".strip()# 删除当前行del table_data[i]multi_table_data.append(table_data)return multi_table_datadef set_cell_borders(cell, border_color="000000", row_height=None):"""设置单元格的边框颜色:param cell: 单元格对象:param border_color: 边框颜色,默认为黑色"""tc = cell._elementtcPr = tc.get_or_add_tcPr()tcBorders = OxmlElement("w:tcBorders")for border_name in ("top", "left", "bottom", "right"):border = OxmlElement(f"w:{border_name}")border.set(qn("w:val"), "single")border.set(qn("w:sz"), "4")  # 边框大小border.set(qn("w:space"), "0")border.set(qn("w:color"), border_color)tcBorders.append(border)tcPr.append(tcBorders)# 设置内容居中显示for paragraph in cell.paragraphs:for run in paragraph.runs:run.font.size = paragraph.style.font.size  # 保持字体大小一致paragraph.alignment = 1  # 1 表示居中对齐# 设置行高if row_height is not None:tr = cell._element.getparent()  # 获取行元素trPr = tr.get_or_add_trPr()trHeight = OxmlElement("w:trHeight")trHeight.set(qn("w:val"), str(row_height))trPr.append(trHeight)def create_table_and_fill_data(tables_data, output_file):"""在 Word 文档中插入表格并填充数据:param data: 表格数据:param output_file: 输出文件路径"""# 创建一个新的 Word 文档doc = Document()for row_index, data in enumerate(tables_data):# 添加一个标题sssdoc.add_heading("测试信息表" + str(row_index), level=1)# 创建表格table = doc.add_table(rows=len(data), cols=len(data[0]))# 填充表格数据for row_index, row_data in enumerate(data):for col_index, cell_text in enumerate(row_data):cell = table.cell(row_index, col_index)cell.text = str(cell_text)set_cell_borders(cell, border_color="FF0000", row_height=300)# 设置表格边框颜色# 保存 Word 文档doc.save(output_file)# pdf_file = "multitab.pdf"
pdf_file = "excelcell.pdf"
output_file = "order0429multitab.docx"  # 输出的 Word 文件路径
# 读取PDF文件中的所有表格
tables = tabula.read_pdf(pdf_file, pages="all", multiple_tables=True, stream="complex")
multi_table_data = get_table_data(tables)
print("table_data:", multi_table_data)new_multi_table_data = handle_table(multi_table_data)# 替换 nan 值为空字符串
_new_multi_table_data = [[["" if isinstance(item, float) and np.isnan(item) else item for item in row]for row in table]for table in new_multi_table_data
]print("new_multi_table_data:", _new_multi_table_data)
create_table_and_fill_data(_new_multi_table_data, output_file)

三、效果展示

        

相关文章:

  • Next框架学习篇 ✅
  • leetcode day37 474
  • ACTF2025 - WEB Excellent-Site
  • docker desktop汉化
  • docker排查OOM Killer
  • 第10次:电商项目配置开发环境
  • Ubuntu 20.04 安装 ROS 2 Foxy Fitzroy
  • CSS的三大特性:层叠、继承与优先级
  • 实现使用Lucene对某个信息内容进行高频词提取并输出
  • Python爬虫学习路径与实战指南 03
  • SpringBoot+Mybatis通过自定义注解实现字段加密存储
  • 阿里云服务迁移实战: 05-OSS迁移
  • SMPP协议解析
  • UBUS 通信接口的使用——添加一个object对象(ubus call)
  • 日常开发小Tips:后端返回带颜色的字段给前端
  • Html1
  • SSR vs SSG:前端渲染模式终极对决(附 Next.js/Nuxt.js 实战案例)
  • 【MySQL】表的复合查询
  • Milvus(10):JSON 字段、数组字段
  • SpringBoot中获取系统及硬件信息
  • 锦江酒店:第一季度营业收入约29.42亿元,境内酒店出租率同比增长
  • 辽宁辽阳火灾事故饭店经营者已被控制,善后处置全面展开
  • 2025上海车展 | 当智驾不再让人兴奋,汽车智能化暗战升级
  • 成都警方:在地铁公共区域用改装设备偷拍女乘客,男子被行拘
  • 报告:到2030年我国无人机产业将率先实现万亿规模
  • 梅花画与咏梅诗