Camelot — המדריך המלא: חילוץ טבלאות מ-PDF ל-Excel ול-CSV בפייתון
Camelot היא ספריית פייתון בקוד פתוח שעושה דבר אחד היטב: מוציאה טבלאות מקובצי PDF בלי הקלדה ידנית. הרישיון MIT, העיבוד מקומי, ואין צורך בהרשמה.
Camelot
Camelot developers (camelot-dev)
ספריית פייתון לחילוץ טבלאות מקובצי PDF לטבלת נתונים, CSV, Excel או JSON, עם כמה שיטות ניתוח לטבלאות עם קווים ובלי קווים.
להורדה מאתר היצרןמה מקבלים
- שיטת lattice — לטבלאות עם קווי רשת.
- שיטות stream ו-network — לטבלאות שמופרדות ברווחים.
- בחירה אוטומטית — הספרייה יכולה לבחור שיטה לכל עמוד.
- טבלאות pandas — מוכנות לחישוב ולסינון בקוד.
- ייצוא רחב — CSV, Excel, JSON, HTML, Markdown ו-SQLite.
מתי זה עובד — ומתי לא
Camelot מצוינת להעברת טבלאות של חתכי פלדה, עומסים וערכי חומרים מקטלוג או מתקן בפורמט PDF אל גיליון אלקטרוני. השיטות הרגילות דורשות PDF עם טקסט אמיתי, כזה שאפשר לסמן בו מילים. לסריקות צריך להתקין את תוספי ml ו-OCR, או להריץ קודם OCRmyPDF. אין ממשק גרפי, ולכן נוח לעבוד איתה במחברת Jupyter.
כלים קשורים
לעבודה אינטראקטיבית עם התוצאות — JupyterLab. לטבלאות בתוך מסמכים סרוקים — PaddleOCR. להמרת מסמך שלם עם טבלאות ל-Markdown — Docling.
JupyterLab
Project Jupyter
מחברות חישוב אינטראקטיביות — קוד, תוצאות, גרפים והסברים במסמך אחד שאפשר לשתף.
להורדה מאתר היצרן
PaddleOCR
PaddlePaddle (Baidu)
ספריית OCR וניתוח מסמכים בקוד פתוח בפייתון: זיהוי טקסט בעשרות שפות, פריסת עמוד, טבלאות והמרת PDF ל-Markdown או JSON.
להורדה מאתר היצרן
Docling
Docling Project (originally IBM Research)
כלי קוד פתוח שממיר PDF, DOCX ותמונות סרוקות ל-Markdown או ל-JSON, עם זיהוי מבנה טבלאות ו-OCR, ופועל מקומית.
להורדה מאתר היצרן
OCRmyPDF
OCRmyPDF project
מוסיף שכבת טקסט ניתנת לחיפוש לקובצי PDF סרוקים — דוחות ישנים, תקנים ותוכניות הופכים לחיפושיים.
להורדה מאתר היצרןהשורה התחתונה
אם אתם מעתיקים טבלאות מ-PDF ל-Excel יותר מפעם בחודש, כמה שורות Camelot יחסכו לכם שעות ויצמצמו שגיאות הקלדה.