如何在数千个PDF文件中抓取表格？

如何在数千个PDF文件中抓取表格？

我以前不知道这一点，但是

less

具有读取pdf文件的这种神奇能力。我可以使用以下脚本从您的示例pdf中提取表数据：

import subprocessimport reoutput = subprocess.check_output(["less","BAG_15m_kzh_2012_de.pdf"])re_data_prefix = re.compile("^[0-9]+[.].*$")re_data_fields = re.compile("(([^ ]+[ ]?)+)")for line in output.splitlines():    if re_data_prefix.match(line):        print [l[0].strip() for l in re_data_fields.findall(line)]