您现在的位置是：课程教程文章
解析表格数据，Python与Tika对比
2023-12-18 17:04课程教程文章 人已围观
为了证明Python确实在解析表格数据上优于其他的选择，今天我们为大家进行实例对比，具体如下：
PDF文件表格样例
Python解析结果
其他样式解析，如Tika
1、TEXT格式
Tika tika = new Tika();
tika.setMaxStringLength(100 * 1024 * 1024);
try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {
return tika.parseToString(stream);
}
Text格式解析结果
2、XHTML格式
ContentHandler handler = new ToXMLContentHandler();
AutoDetectParser parser = new AutoDetectParser();
Metadata metadata = new Metadata();
try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {
parser.parse(stream, handler, metadata);
return handler.toString();
}
XHTML格式解析结果
解析PDF常用组件（PdfBox、iText、Tika等）都无法将表格数据解析成有规则的格式。解析后格式基本是TEXT、XHTML等导致处理表格数据变的非常复杂。
根据对比我们可以发现，用Python解析PDF的表格数据更为简单方便，下期我们就为大家带来Python解析PDF具体的方法。更多Python学习推荐:PyThon学习网教学中心。
课程教程：解析表格数据，Python与Tika对比上一篇：Python教程：pdfplumber提取pdf中的表格数据
下一篇：没有了
