Tabelle aus PDF erstellen

pdf-Converter http://pdftoword-converter.online benutzen oder notfalls pdf to txt und als csv in xls importieren? Dann mit ausreichend Excel-Kenntnissen bearbeiten.

oszi40 schrieb:

pdf-Converter http://pdftoword-converter.online benutzen oder notfalls pdf to txt und als csv in xls importieren? Dann mit ausreichend Excel-Kenntnissen bearbeiten.

Der Konverter funktioniert nicht, als download bekommt man nur eine ZIP-Datei mit dem gleichen PDF was man hochgeladen hat.

Mario M. schrieb:

https://greenits.ch/blog/so-importieren-sie-den-inhalt-von-pdf-dokumenten-in-excel

Das werde ich morgen mal auf Arbeit probieren privat nutze ich nur LibreCalc.

Wikijaner schrieb:

Der Konverter funktioniert nicht,

Wenn du ein OCR Programm hast, dann kannst das PDF aus dem Acrobat(Pro) als *.jpg oder viele andere Formate abspeichern, und das OCR extrahiert daraus die Tabellen.

xml,tiff,txt,rtf,ps,png,htm,eps, div.jpg-Formate, Wenn du das hier hochlädst, ich kann mit w2k das nicht runterladen, kann ich dir das gerne exportieren.

das PDF mit pdftoppm in ein PNG wandeln, dann mit tesseract OCR-konvertierung

das PDF mit pdftoppm in ein PNG wandeln, dann mit tesseract OCR-konvertierung, funktioniert auch dann, wenn es sich um ein grafisches PDF handelt

Ein .pdf kann Buchstaben oder Bilder enthalten. Bei der Rückwandlung von Bildern zu Text können sich einige Erkennungsfehler einschleichen. Deswegen OCR zu Text gründlich prüfen!!!

Wikijaner schrieb:

Kennt jemand eine Möglichkeit um eine Tabelle speziell diese hier:https://docplayer.org/5979922-Betriebsliste-vorhandene-unterlagen.html wieder in eine Excel, Libre Calc oder ähliches es zu extrahieren?

Ja, ich habe gerade 486 Tabellen mit einem Python-Skript extrahiert, in einen Pandas DataFrame gepackt und die Zeilenumbrüche entfernt. Folgende Formate findest Du in den Anhängen:

1

extract-pdf-tables.py -- mein Skript

2

tables.csv.gz         -- CSV-Datei, mit gzip gepackt

3

tables.pkl.gz         -- serialisierter, gzip'pter Pandas-DataFrame

4

tables.xlsx           -- Excel

Ziel sollte sein eine Liste für Wikipedia zu erzeugen wofür diese Tabelle (1.Spalte) als Datengrundlage dienen soll. Die Branchen, Orte und bestehenden Wikipediaartikel herauszusuchen ist schon genug arbeit.

Auch das ließe sich mit Python, Pandas und ein bisschen Gehirn eventuell etwas... vereinfachen, wenn Du mir genauer sagen kannst, was Du da genau herausbekommen möchtest.