从PDF中提取表格数据的Web界面。
excalibur-p的Python项目详细描述
excalibur：从pdf中提取表格数据的web界面
excalibur是一个从pdf中提取表格数据的web界面，用python 3编写！它由Camelot提供动力。
注意：excalibur仅适用于基于文本的pdf，而不适用于扫描的文档。（如表格explains，“如果您可以单击并拖动以在pdf查看器中选择表中的文本，则pdf是基于文本的”。
使用excalibur
注意：在前进之前需要install ghostscript。
在installing Excalibur with pip之后，您需要使用：
$ excalibur initdb
然后使用：
$ excalibur webserver
就这样！现在您可以转到http://localhost:5000并开始从PDF中提取表格数据。
upload一个pdf文件，并输入要从中提取表的页码。
转到每页并通过在其周围画一个框来选择表。（您可以选择跳过此步骤，因为excalibur可以自己自动检测表。单击“autodetect tables”查看excalibur看到的内容。）
从“advanced”中选择口味（晶格或流）。
a.lattice：用于由行组成的表。
b.stream：用于由空白组成的表。
单击“view并下载数据”以查看提取的表。
选择您喜欢的格式（csv/excel/json/html）并单击“下载”“！
注意：您还可以从releases page下载Windows和Linux的可执行文件并直接运行它们！
为什么是埃克斯卡利伯？
- 从pdf中提取表是困难的。简单地从pdf复制粘贴到excel并不能保留表结构。excalibur通过自动检测pdf中的表并将它们保存到csv和excel文件中，使pdf表提取变得非常容易。
- excalibur在引擎盖下使用Camelot，这为您提供了额外的设置来调整表提取并获得最佳结果。您可以看到它的性能如何优于其他开源工具和库in this comparison。
- 您可以为pdf保存一次表提取settings（类似于表区域），并将它们应用于新的pdf以提取具有类似结构的表。
- 你可以完全控制你的数据。所有文件存储和处理都在您自己的本地或远程计算机上进行。
- excalibur可以配置mysql和celeriy以实现并行和分布式工作负载。默认情况下，sqlite和多处理用于顺序工作负载。
安装
使用pip
在安装了camelot的要求之一ghostscript（参见install instructions）之后，您只需使用pip安装excalibur即可：
$ pip install excalibur-py
从源代码
安装ghostscript后，使用以下命令克隆repo：
$ git clone https://www.github.com/camelot-dev/excalibur
并使用pip安装excalibur:
$ cd excalibur $ pip install .
文档
精彩的文档可以在http://excalibur-py.readthedocs.io/找到。
开发
Contributor's Guide包含有关贡献代码、文档、测试等的详细信息。我们在自述文件中包含了一些基本信息。
源代码
您可以使用以下网址查看最新的来源：
$ git clone https://www.github.com/camelot-dev/excalibur
建立一个开发环境
使用pip:
$ pip install excalibur-py[dev]
测试（即将）
安装后，您可以使用以下命令运行测试：
$ python setup.py test
版本控制
excalibur使用Semantic Versioning。有关可用版本，请参阅此存储库上的标记。对于变更日志，您可以签出HISTORY.md。
许可证
此项目是在mit许可下授权的，有关详细信息，请参见LICENSE文件。
你可以用一次或每月的捐款来支持我们关于excalibur的工作。使用excalibur的组织还可以赞助项目，以获得对our official site和本自述文件的确认。
特别感谢所有支持excalibur的用户和组织！
欢迎加入QQ群-->： 979659372
