Парсинг pdf Tabula

@Orlov1 · Регистрация: 03.02.2019

Студворк — интернет-сервис помощи студентам

Всем привет!
Есть PDF файл test.pdf. https://disk.yandex.ru/i/1TLhlw6pHL6shg
Нужно спарсить из таблицы ФИО и таб номер.

Накидал вот такой код, но он парсит данные не корректно. ФИО вообще не отображается :

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import glob
import pandas as pd
import tabula
 
file = ("test.pdf")
 
pdf_files = glob.glob('*.pdf')
 
pdf_tables = tabula.read_pdf(file,
                             pages = 'all',
                             multiple_tables=True,
                             lattice=True,
                             encoding="windows-1251")
 
for table in pdf_tables:
    print(pdf_tables[0])

Что я делаю не так и как спарсить данные корректно ?

@u235 · 04.02.2023, 08:23

Python
1
2
table=pdf_tables[0]
print(table['Фамилия, Имя, Отчество'])

Code
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0           Иванов Иван Иванович
1           Петров Петр Петрович
2                            NaN
3        Сидоров Сидор Сидорович
4     Михайлов Михаил Михаилович
5       Сергеев Сергей Сергеевич
6        Романов Роман Романович
7           Егоров Егор Егорович
8                            NaN
9                            NaN
10                           NaN
11                           NaN
12                           NaN
13                           NaN
14                           NaN
15                           NaN
16                           NaN
17                           NaN
18                           NaN
Name: Фамилия, Имя, Отчество, dtype: object

@Orlov1 · 04.02.2023, 15:41 **[ТС]**

u235, благодарю, а как исключить лишние строки 'NaN' ?

@u235 · 04.02.2023, 16:02

Orlov1, не очень знаю Pandas, но можно так:

Python
1
print(table['Фамилия, Имя, Отчество'][~pd.isna(table['Фамилия, Имя, Отчество'])])

Code
1
2
3
4
5
6
7
8
0          Иванов Иван Иванович
1          Петров Петр Петрович
3       Сидоров Сидор Сидорович
4    Михайлов Михаил Михаилович
5      Сергеев Сергей Сергеевич
6       Романов Роман Романович
7          Егоров Егор Егорович
Name: Фамилия, Имя, Отчество, dtype: object

@Orlov1 · 04.02.2023, 16:12 **[ТС]**

Сообщение от u235

не очень знаю Pandas, но можно так:
PythonВыделить код
1
print(table['Фамилия, Имя, Отчество'][~pd.isna(table['Фамилия, Имя, Отчество'])])

У меня этот код не работает, ругается на ~pd.isna

@u235 · 04.02.2023, 16:23

А так:

Python
1
print(''.join(i+'\n' for i in table['Фамилия, Имя, Отчество'] if str(i)!='nan'))

@Orlov1 · 04.02.2023, 19:07 **[ТС]**

Что означают эти ошибки и как от них избавиться ? см скрин

@u235 · 04.02.2023, 20:13

Orlov1, это не ошибки, это предупреждения. Означает что некоторые символы в этом pdf не могут корректно отобразиться в юникод.

@Orlov1 · 04.02.2023, 20:16 **[ТС]**

Сообщение от u235

Orlov1, это не ошибки, это предупреждения. Означает что некоторые символы в этом pdf не могут корректно отобразиться в юникод.

А как-то игнорировать эти предупреждения можно, чтобы они не выводились в консоли ?

@u235 · 04.02.2023, 20:23

Orlov1, Если погуглить по фразе "tabula python off warning", то окажется, что достаточно добавить опцию silent=True, например:

Python
1
tabula.read_pdf("/path/to/sample.pdf", pages="all", silent=True)

Я это нашел за две минуты. Неужели у вас какой-то другой интернет?

Новые блоги и статьи Все статьи Все блоги /
PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Access VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .
Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .	Создание Single Page Application на фреймах krapotkin 16.11.2025 Статья исключительно для начинающих. Подходы оригинальностью не блещут. В век Веб все очень привыкли к дизайну Single-Page-Application . Быстренько разберем подход "на фреймах". Мы делаем одну. . .

@Orlov1 100 / 42 / 7 Регистрация: 03.02.2019 Сообщений: 655
	04.02.2023, 15:41 [ТС]
	u235, благодарю, а как исключить лишние строки 'NaN' ? 0

@Orlov1 100 / 42 / 7 Регистрация: 03.02.2019 Сообщений: 655
	04.02.2023, 19:07 [ТС]
	Что означают эти ошибки и как от них избавиться ? см скрин Миниатюры 0

@u235 5514 / 2867 / 571 Регистрация: 07.11.2019 Сообщений: 4,751
	04.02.2023, 20:13
	Orlov1, это не ошибки, это предупреждения. Означает что некоторые символы в этом pdf не могут корректно отобразиться в юникод. 1