Dans cet article nous allons voir comment extraire rapidement un tableau d’un PDF vers Excel.
Pour ce tutoriel vous aurez besoin de deux librairies Python:
- tabula-py
- pandas
Pour les installer, allez sur votre terminal/shell et taper ces lignes de codes:
pip install tabula-py
pip install pandas
Si vous utilisez Google Colab, vous pouvez installer ces librairies directement dessus. Il suffit de rajouter un point d’exclamation« ! » devant, comme suit:
!pip install tabula-py
!pip install pandas

PDF vers Excel (un seul tableau)
On charge tout d’abord les bibliothèques dans notre éditeur de texte :
import tabula
import pandas as pd
Puis, on va lire le pdf avec la fonction read_pdf() de la libraire tabula.
Cette fonction détecte automatique les tableaux dans un pdf pour les convertir en DataFrames. Idéal pour les convertir ensuite en fichier Excel !
df = tabula.read_pdf('chemin_du_fichier/fichier.pdf', pages = 'all')[0]
On peut ensuite vérifier que le tableau a bien la forme attendu.
df.head()
Puis le convertir en fichier Excel !
df.to_excel('chemin_du_fichier/fichier.xlsx')
Le code en entier :
LA MÉTHODE PARÉ POUR FAIRE DU DEEP LEARNING !
Reçois tes 7 JOURS De Formation GRATUITE Pour Apprendre À Créer TA PREMIÈRE INTELLIGENCE ARTIFICIELLE !
Pendant les 7 prochains jours je vais te montrer comment utiliser les Réseaux de neurones.
Tu vas comprendre ce qu'est le Deep Learning avec des exemples concrets qui vont te rester dans la tête.
ATTENTION, cette série d’email ne s’adresse pas à tout le monde. Si tu es du genre à aimer les cours théoriques et scolaires tu peux passer ta route.
Mais si tu souhaite apprendre la méthode PARÉ pour faire du Deep Learning, clique ici :
import tabula
import pandas as pd
df = tabula.read_pdf('chemin_du_fichier/fichier.pdf', pages = 'all')[0]
df.to_excel('chemin_du_fichier/fichier.xlsx')

PDF contenant plusieurs tableaux
On charge les bibliothèques dans notre éditeur de texte :
import tabula
import pandas as pd
Puis, on va lire le pdf avec la fonction read_pdf() de la librairie tabula.
Cette fonction détecte automatique les tableaux dans un pdf pour les convertir en DataFrames. Idéal pour les convertir ensuite en fichier Excel !
Ici, la variable ‘df’ sera en fait une liste de DataFrame. Le premier élément correspond au premier tableau, le deuxième au deuxième tableau, etc.
df = tabula.read_pdf('chemin_du_fichier/fichier.pdf', pages = 'all')
Pour enregistrer ces tableaux séparément, il faudra utiliser une boucle for qui va enregistrer chaque tableau dans un fichier Excel.
for i in range(len(df)):
df[i].to_excel('fichier_'+str(i)+'.xlsx')
Le code en entier :
import tabula
import pandas as pd
df = tabula.read_pdf('chemin_du_fichier/fichier.pdf', pages = 'all')
for i in range(len(df)):
df[i].to_excel('fichier_'+str(i)+'.xlsx')
inside-machinelearning
sources:
- Medium
- Photo by Birger Strahl on Unsplash
LA MÉTHODE PARÉ POUR FAIRE DU DEEP LEARNING !
Reçois tes 7 JOURS De Formation GRATUITE Pour Apprendre À Créer TA PREMIÈRE INTELLIGENCE ARTIFICIELLE !
Pendant les 7 prochains jours je vais te montrer comment utiliser les Réseaux de neurones.
Tu vas comprendre ce qu'est le Deep Learning avec des exemples concrets qui vont te rester dans la tête.
ATTENTION, cette série d’email ne s’adresse pas à tout le monde. Si tu es du genre à aimer les cours théoriques et scolaires tu peux passer ta route.
Mais si tu souhaite apprendre la méthode PARÉ pour faire du Deep Learning, clique ici :