解析表格数据，Python与Tika对比

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

Tikatika=newTika();
tika.setMaxStringLength(100*1024*1024);
try(InputStreamstream=newFileInputStream(newFile("600060_2018_zB.pdf"))){
returntika.parseToString(stream);
}

Text格式解析结果

2、XHTML格式

ContentHandlerhandler=newToXMLContentHandler();
AutoDetectParserparser=newAutoDetectParser();
Metadatametadata=newMetadata();
try(InputStreamstream=newFileInputStream(newFile("600060_2018_zB.pdf"))){
parser.parse(stream,handler,metadata);
returnhandler.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。