解析表格数据，Python与Tika的对比

为了证明Python在解析表格数据方面确实优于其他选项，今天我们就为大家举例对比，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

<p><span>  Tika tika = new Tika();<br/>        tika.setMaxStringLength(100 * 1024 * 1024);<br/>        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {<br/>            return tika.parseToString(stream);<br/>        }<br/></span></p>

Text格式解析结果

2、XHTML格式

<p><span>       ContentHandler handler = new ToXMLContentHandler();<br/>        AutoDetectParser parser = new AutoDetectParser();<br/>        Metadata metadata = new Metadata();<br/>        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {<br/>            parser.parse(stream, handler, metadata);<br/>            return handler.toString();<br/>        }<br/></span></p>

XHTML格式解析结果

解析 PDF 的常用组件（PdfBox、iText、Tika 等）无法将表格数据解析为常规格式。解析后格式基本都是TEXT、XHTML等，这使得处理表格数据非常复杂。

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:


。