chezou/tabula-py
این ابزار یک پوشش ساده از tabula-java است که به شما امکان می‌دهد جداول موجود در فایل‌های PDF را مستقیماً به pandas DataFrame تبدیل کنید.
کاربرد:
وقتی با فایل‌های PDF ساختاریافته (مثل گزارش‌های مالی، جداول آماری یا داده‌های رسمی) کار می‌کنید و نیاز دارید داده‌های جدولی رو به صورت قابل پردازش در پایتون استخراج کنید، این ابزار کمک بزرگی می‌کنه.
در چه شرایطی بهتره استفاده شود؟
وقتی جداول در PDF به صورت **متنی** (نه تصویری) باشند و ساختار مشخصی داشته باشند. برای PDFهای اسکن شده مناسب نیست، مگر اینکه از OCR جداگانه استفاده شود. ️
چند مثال از موارد استفاده:
- استخراج داده‌های مالی از گزارش‌های شرکتی
- تبدیل جداول آماری دولتی به دیتافریم برای تحلیل
- خودکارسازی پردازش داده‌های فرم‌های استاندارد PDF
- ##PDFtoData
- ##DataExtraction
- ##Pandas
- ##Python
- ##Tabula
- ##DataScience
- ##Automation
- ##OpenData
- ##DataWrangling
- ##PyData