Skip to main content
 首页 » 编程设计

python之Tabula-py 字体未实现错误

2025年01月19日8fff_TT

PDF文件内容是中文(文字,不是图片等),所以可能会使用不同的字体。 我的代码:

>>> import tabula 
>>> df = tabula.read_pdf('/data/proj/smartinvestment/cninfo_download_reports/pdf/601101/2016-12-29/1202969937.PDF', pages='all') 

错误:

Feb 02, 2018 6:44:34 PM org.apache.pdfbox.pdmodel.font.PDCIDFontType2 <init> 
INFO: OpenType Layout tables used in font ABCDEE+ËÎÌå are not implemented in PDFBox and will be ignored 

最终的 DataFrame 是空的。

我无法从 stackoverflow 中找到任何想法。 我该如何解决这个问题?我应该导入一些字体还是有任何其他原因导致此错误?

请您参考如下方法:

我感受到了你的痛苦。但是,我在我的数据框 (df) 中获取数据,执行与您类似的步骤。要排除故障,请查看返回的 df 的类型:

import tabula 
 
pdf_file_name = "my_filename.pdf" 
df = tabula.read_pdf(pdf_file_name, 
                     encoding='Ansi') # or encoding='utf-8' 
 
print(type(df)) 
# df.to_csv("output.csv", index=False) 

很有可能,由于您有 pages="all",您的 df 是 df 的列表,这将需要您查看列表中的每个 df 以查看数据的证据。

此外,如果 tabula.read_pdf 的 multiple_tables 参数设置为 True,则 df 将是 df 的列表,同样,这也需要您查看列表中的每个 df 以查看您的数据。