Есть ли способ импортировать повернутый текст из таблицы PDF, например, с помощью tabula-py в python?
Я понимаю, что в этом случае я могу просто переименовать заголовки столбцов, но мне было интересно, есть ли способ установить параметр для импорта повернутого текста. Я не вижу упоминания о повороте в readthedocs для tabula-py и не нашел других пакетов, которые бы это делали (хотя я видел упоминание о повороте всей страницы, что не подходит для этого варианта использования) точно так же, как переименование столбцов было бы проще).
Пример:
import tabula
list_df = tabula.read_pdf(
'https://sos.oregon.gov/elections/Documents/statistics/G22-Daily-Ballot-Returns.pdf',
pages=3
)
list_df[0]
Я только что попробовал использовать камелот, и он правильно читает повернутый текст в заголовке столбцов: это результат.
Как упомянул @Francesco, есть особый способ, которым камелот лучше, чем tabula-py, поскольку камелот находит повернутый текст.
Это был сложный процесс установки камелота, поэтому я решил поделиться некоторыми своими знаниями здесь.
Для Mac brew install ghostscript tcl-tk
, а затем устранить любые ошибки (много ошибок для меня, но после копирования каждой ошибки на конце радуги было золото).
На Mac:
pip install "camelot-py[cv]"
На странице документации в настоящее время на самом деле написано [base], а не [cv], но выше в комментариях написано [cv] (а в статьях о переполнении стека написано [cv]).
Со следующим, повернутые заголовки столбцов читаются просто отлично.
import camelot
tables = camelot.read_pdf(
'https://sos.oregon.gov/elections/Documents/statistics/G22-Daily-Ballot-Returns.pdf',
pages='all')
tables[3].df
Спасибо за мотивацию. Я собираюсь опубликовать, как это сделать, в разделе ответов.