我在 for 循环中使用 Tabulas；收到此错误：IndexError: list index out of range

Question

我正在使用 for 循环来处理整个 pdf 文件夹，这些文件夹被转换为 csv 文件。

import tabula
import os
import pandas as pd
files_in_directory = os.listdir()

filtered_files = [file for file in files_in_directory if file.endswith(".pdf")]
print(range(len(filtered_files)))
for file in range(len(filtered_files)):
    print(file-1)
    print(range(len(filtered_files)))

    print(file)
    print(filtered_files[file-1])
    df = tabula.read_pdf(filtered_files[file-1])
    csv_name = filtered_files[file-1] + '.csv'
    df[file-1].to_csv(csv_name, encoding='utf-8')

这是我的日志：

Traceback (most recent call last):
  File "/Users/braydenyates/Documents/Band PDFS/csv_converter.py", line 16, in <module>
    df[file-1].to_csv(csv_name, encoding='utf-8')
IndexError: list index out of range

代码似乎运行文件夹中 63 个文件中的两个，然后由于此错误而结束。 感谢您的帮助！

Answer 1

您拥有的 PDF 文件的数量不一定等于 tabula 设法从其中一个 PDF 中提取的数据框的数量。 file 代表第 N 个文件，而 df 实际上是数据帧列表。因此df[file-1] 使用起来并不明智。循环遍历数据帧并单独或按预期进行相同的处理。

在这里，有一个更pythonic和更简单的解决方案：

import tabula
import os
import pandas as pd

files_in_directory = os.listdir()
filtered_files = [file for file in files_in_directory if file.endswith(".pdf")]

for file in filtered_files:
    dfs = tabula.read_pdf(file)

    for nth_frame, df in enumerate(dfs, start=1):
        csv_name = f'{file}_{nth_frame}.csv'
        df.to_csv(csv_name, encoding='utf-8')