Я пытаюсь прочитать многостраничный файл PDF, содержащий таблицу в той же области каждой страницы. Количество страниц может меняться в зависимости от читаемого файла.
Я пытаюсь код ниже, но он не работает:
import tabula
df = tabula.read_pdf("dados/nota.pdf", guess=False, stream=True, pages='all', encoding="utf-8", area=(238.00, 32.00, 400.00, 563.00))
Возвращает ошибку:
ParserError Traceback (most recent call last)
~\Anaconda3\envs\alura_pandas\lib\site-packages\tabula\wrapper.py in read_pdf(input_path, output_format, encoding, java_options, pandas_options, multiple_tables, **kwargs)
171 try:
--> 172 return pd.read_csv(io.BytesIO(output), **pandas_options)
173
~\Anaconda3\envs\alura_pandas\lib\site-packages\pandas\io\parsers.py in parser_f(filepath_or_buffer, sep, delimiter, header, names, index_col, usecols, squeeze, prefix, mangle_dupe_cols, dtype, engine, converters, true_values, false_values, skipinitialspace, skiprows, nrows, na_values, keep_default_na, na_filter, verbose, skip_blank_lines, parse_dates, infer_datetime_format, keep_date_col, date_parser, dayfirst, iterator, chunksize, compression, thousands, decimal, lineterminator, quotechar, quoting, escapechar, comment, encoding, dialect, tupleize_cols, error_bad_lines, warn_bad_lines, skipfooter, skip_footer, doublequote, delim_whitespace, as_recarray, compact_ints, use_unsigned, low_memory, buffer_lines, memory_map, float_precision)
708
--> 709 return _read(filepath_or_buffer, kwds)
710
~\Anaconda3\envs\alura_pandas\lib\site-packages\pandas\io\parsers.py in _read(filepath_or_buffer, kwds)
454 try:
--> 455 data = parser.read(nrows)
456 finally:
~\Anaconda3\envs\alura_pandas\lib\site-packages\pandas\io\parsers.py in read(self, nrows)
1068
-> 1069 ret = self._engine.read(nrows)
1070
~\Anaconda3\envs\alura_pandas\lib\site-packages\pandas\io\parsers.py in read(self, nrows)
1838 try:
-> 1839 data = self._reader.read(nrows)
1840 except StopIteration:
pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader.read()
pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader._read_low_memory()
pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader._read_rows()
pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader._tokenize_rows()
pandas/_libs/parsers.pyx in pandas._libs.parsers.raise_parser_error()
ParserError: Error tokenizing data. C error: Expected 12 fields in line 13, saw 13
During handling of the above exception, another exception occurred:
CSVParseError Traceback (most recent call last)
<ipython-input-3-f2350ca5dd21> in <module>
----> 1 df = tabula.read_pdf("dados/nota.pdf", guess=False, stream=True, pages='all', encoding="utf-8", area=(238.00, 32.00, 400.00, 563.00))
~\Anaconda3\envs\alura_pandas\lib\site-packages\tabula\wrapper.py in read_pdf(input_path, output_format, encoding, java_options, pandas_options, multiple_tables, **kwargs)
179 )
180
--> 181 raise CSVParseError(message, e)
182
183
CSVParseError: Error failed to create DataFrame with different column tables.
Try to set `multiple_tables=True`or set `names` option for `pandas_options`.
, caused by ParserError('Error tokenizing data. C error: Expected 12 fields in line 13, saw 13\n',)
В файле read_pdf, если я изменяю pages = 'all' на pages = 1, pages = 2 и т. Д., Это работает, но мне нужно указать, что все страницы должны быть прочитаны, и это число может меняться в зависимости от файла.
У кого-нибудь есть подсказки по этому поводу?
Редактировать: мне удалось прочитать таблицы, вставив параметр multiple_tables = True. Код теперь такой:
df = tabula.read_pdf("dados/nota.pdf", guess=False, stream=True, multiple_tables=True, pages='all', encoding="utf-8", area=(238.00, 32.00, 400.00, 563.00))
Я получаю такой результат:
[ 0 1 2 3 4 5 \
0 Q Negociação C/V Tipo mercado Prazo Especificação do título
1 NaN 1-BOVESPA C VISTA NaN ITAUSAPN N1
2 NaN 1-BOVESPA C VISTA NaN LOCAMERICAON EB NM
3 NaN 1-BOVESPA C VISTA NaN LOCAMERICAON EB NM
4 NaN 1-BOVESPA C VISTA NaN PETRORIOON NM
5 NaN 1-BOVESPA C VISTA NaN PETRORIOON NM
6 NaN 1-BOVESPA C VISTA NaN SCHULZPN
7 NaN 1-BOVESPA C VISTA NaN SCHULZPN
8 NaN 1-BOVESPA C VISTA NaN VULCABRASON NM
9 NaN 1-BOVESPA C VISTA NaN VULCABRASON NM
10 NaN 1-BOVESPA C VISTA NaN VULCABRASON NM
11 NaN 1-BOVESPA C VISTA NaN VULCABRASON NM
6 7 8 9 10 11
0 Obs. (*) Quantidade NaN Preço / Ajuste Valor Operação / Ajuste D/C
1 NaN NaN 800 13,84 11.072,00 D
2 NaN NaN 300 17,01 5.103,00 D
3 NaN NaN 200 17,01 3.402,00 D
4 NaN NaN 500 18,01 9.005,00 D
5 NaN NaN 100 18,01 1.801,00 D
6 NaN NaN 500 8,79 4.395,00 D
7 NaN NaN 700 8,78 6.146,00 D
8 NaN NaN 300 7,87 2.361,00 D
9 NaN NaN 300 7,87 2.361,00 D
10 NaN NaN 300 7,87 2.361,00 D
11 NaN NaN 200 7,87 1.574,00 D ,
0 1 2 3 4 5 \
0 Q Negociação C/V Tipo mercado Prazo Especificação do título
1 NaN 1-BOVESPA V VISTA NaN LOCAMERICAON NM
2 NaN 1-BOVESPA V VISTA NaN LOCAMERICAON NM
3 NaN 1-BOVESPA V VISTA NaN LOCAMERICAON NM
4 NaN 1-BOVESPA V VISTA NaN LOCAMERICAON NM
5 NaN 1-BOVESPA V VISTA NaN LOCAMERICAON NM
6 NaN 1-BOVESPA V VISTA NaN PETRORIOON NM
7 NaN 1-BOVESPA C VISTA NaN VULCABRASON NM
8 NaN 1-BOVESPA V VISTA NaN VULCABRASON NM
9 NaN 1-BOVESPA V VISTA NaN VULCABRASON NM
10 NaN 1-BOVESPA V VISTA NaN VULCABRASON NM
6 7 8 9 10 11 12
0 Obs. (*) Quantidade NaN Preço / Ajuste Valor Operação / Ajuste NaN D/C
1 NaN 100 NaN 17,20 1.720,00 NaN C
2 NaN 100 NaN 17,20 1.720,00 NaN C
3 NaN 100 NaN 17,20 1.720,00 NaN C
4 NaN 100 NaN 17,20 1.720,00 NaN C
5 NaN 100 NaN 17,20 1.720,00 NaN C
6 NaN 600 NaN 18,60 11.160,00 NaN C
7 D 1.100 NaN 7,75 8.525,00 NaN D
8 D 100 NaN 7,86 786,00 NaN C
9 D 100 NaN 7,86 786,00 NaN C
10 D 900 NaN 7,86 7.074,00 NaN C ]
Как мне превратить это в DateFrame?