Как разобрать таблицу в PDF для не английского языка

Я использовал Camelot и tabula для разбора pdf-файла с кириллическими символами внутри. Но в выходном CSV-файле я получил перепутанный шрифт без признаков русского языка.

Что может помочь мне разобрать таблицу pdf на неанглийском языке?

import camelot
file = 'file-name.pdf'
tables = camelot.read_pdf(file, pages = "1-end", encoding='utf-8')

Выход: 00550529-1295-06 -РўРљР 5.СРћ1 0520529-12955--0066--РўРўРљРљР 55--ТрР§23 00552299--11229955--0066--РўРўР љРљР 55--Г"Р" Р§Р§45

Отвечает ли это на ваш вопрос? Как получить данные из pdf на кириллице?

— 12.12.2020 21:40

Пожалуйста, выложите пример PDF

— 13.12.2020 09:42

@mutantkeyboard, как показал этот парень, вообще не работает

— 13.12.2020 12:51

@StefanoFiorucci-anakin87 Я уже получил ответ. Это позволяет анализировать страницу и преобразовывать ее в pandas DataFrame, что мне подходит.

— 13.12.2020 13:08

python-3.x parsing pdf python-camelot

12.12.2020 21:29

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

887

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Так что, в принципе, Camelot неплохо справляется с кириллицей.

pip install camelot-py[cv]
import pandas as pd
import camelot
file = 'file-name.pdf'
tables = camelot.read_pdf(file, pages = "4, 5", encoding='utf-8')
df_p4 = tables[0].df

Вывод будет довольно сырым, нуждается в очистке, но символы не будут сломаны, что, как я полагаю, является хорошим результатом.

13.12.2020 13:00