Python 阅读 PDF

Question

我需要阅读 PDF 中的所有表格并将它们转换为数据框。 我找到了这段代码：

df = pd.DataFrame()
for page in pages:
    
    index = pages.index(page)
    product = product[index]
    print(product)
    
    tl = tb.read_pdf(file, pages=page,area=[box],output_format="dataframe", stream=True)
    
    dft = tl[0]
    dft.rename(columns={ dft.columns[0]: "Fascia d'età", dft.columns[1]: "Casi"}, inplace = True)
    
    region_column = []
    for i in range(0, len(dft)):
        region_column.append(region)
    dft['Regione'] = region_column
    
    df = pd.concat([df, dft])

但是，tb.read_pdf() 给我带来了一个错误：

Error from tabula-java:
java.lang.UnsupportedClassVersionError: technology/tabula/CommandLineApp : Unsupported major.minor version 52.0

你知道如何克服这个问题吗？ 有没有其他方法可以将 PDF 的表格提取到 Python 中的数据框？

Answer 1

听起来您的 Java 运行时环境不是最新的。 确保您运行的是 Java 8，它是 tabula-py 的先决条件。