PDF 表格数据提取神器推荐

作者: linfan

来源: 生物学霸

发布日期: 2018-05-19

本文介绍了如何使用一款名为 Tabula 的免费开源工具从 PDF 表格中提取数据,并详细说明了操作步骤和注意事项。

今天,公众号“生物学霸”给大家带来了一个 PDF 数据获取神器,还赠送大家资源包,要不要了解一下?

还记得学霸君本科时候,有一次老板丢了一个满满是数据表格的 PDF,让小编去整理成 Excel 表格,真的是输了小编三四天数据,现在回想起来还记忆犹新。

众所周知,将数据从 PDF 表格中提取出来是一件很烦人的任务,比如将下图的表格粘贴到 Excel 中,就会是这样!在 PDF 中很是工整。但是!一旦,复制,然后再粘贴到 Excel 中,就变了模样,真的认不出。这种时候,很多同学想必就是无奈地手动输入了。真的是惨啊,如果数据量少还好,一多简直是要命啊!

但是,这些问题都难不倒机智的学霸君!是不是很 nice 啊。接下来就让学霸君给打家介绍中这款工具,及其使用。

先说福利:已经为大家准备了安装包,大家在「生物学霸」公众号回复「0323」即可下载。

这款小工具叫做 Tabula,是一个免费的开源小工具,对的,没有看错,是免费的哦。它除了免费,还有一个优点,就是多平台!除了 PC 用户,还支持 Mac,真的是 Mac 党的福音啊。接下来学霸君会给大家详细介绍如何使用。

首先就是下载啦。解压后,打开软件,会自动打开浏览器。打开后界面是这样的,这个时候,剩下的几乎都傻瓜操作。我们可以参照这个步骤来操作。上传包含数据表的 PDF 文件。

通过单击表格的左上角并将鼠标拖到右下角来选择表格,直到所有数据都包含在阴影选择区域中。这里有几个注意点,一定要切记!第 1:不要将标题圈进阴影区域,不然会打乱格式!第 2:如果表格的表头包含合并单元格,不要圈进阴影区域,可以后续提取完数据再做处理!

随后,点击绿色按钮。随后会出现一个包含您的数据的窗口。检查数据以确保它看起来正确。如果数据丢失,我们可能需要稍微扩展我们的选择。选择我们需要的格式,点击下载按钮。打开文件,我们就可以将数据作为文本文件或电子表格,而不是 PDF 来进行处理!

但是学霸君发现一个问题,就是有时一些符号在 CSV 中会出现乱码,但是不知道是不是因为 Mac 的 Excel 兼容性不是特别好,但是这问题很好解决。只要选择 Excel 的替换功能,然后将乱码字符统一替换就好!就会得到想要的结果啦。具体的一些操作和小诀窍,还需要大家使用以后来告诉学霸君呦。

领取方式:在丁香园旗下科研类公众号「生物学霸」后台对话框回复「0323」即可。

UUID: 809ddaef-1eb4-4bf4-bdcf-0af35e13a937

原始文件名: /home/andie/dev/tudou/annot/AI语料库-20240917-V2/AI语料库/环球科学公众号-pdf2txt/2018/2018-05-19_提取PDF表格数据快崩溃的我,突然发现了这个小工具荐号.txt

是否为广告: 否

处理费用: 0.0026 元