PythonでPDFの表をExcelの表へ変換する

前提条件

• Windows 10
• Python3
• Java
• pandas
• tabula-py

tabula-pyの公式ドキュメントは以下です。
https://tabula-py.readthedocs.io/en/latest/tabula.html

pandasの公式ドキュメントは下記です。
https://pandas.pydata.org/docs/

tabula-pyを利用するためにはJavaをインストールする必要があります。
Javaの環境構築について、ここでは割愛します。

Javaの環境構築について、以下の記事を書きました。

サンプルのPDFは以下を使用します。
https://www.mhlw.go.jp/content/10906000/001094070.pdf

目的

tabula-pyを利用して、PDFの表を抽出し、Excelへ表として書き出す。

環境構築

pip install pandas tabula-py

サンプル

pdftable2excel.py

# -*- coding: utf-8 -*-

import pandas as pd
from tabula import read_pdf

dfs = read_pdf("https://www.mhlw.go.jp/content/10906000/001094070.pdf",	lattice = True)
excel = 'C:\\pdf\\新型コロナウイルス陽性者数とPCR検査等実施人数.xlsx'

with pd.ExcelWriter(excel) as writer:
# エクセルのシートにPDFの表を出力
    for i, df in enumerate(dfs):
        df.to_excel(writer, sheet_name = str(i))

csvへ追記保存する場合

pdftable2csv.py

# -*- coding: utf-8 -*-

from tabula import read_pdf

dfs = read_pdf("https://www.mhlw.go.jp/content/10906000/001094070.pdf",	lattice = True)
csv = 'C:\\pdf\\新型コロナウイルス陽性者数とPCR検査等実施人数.csv'

for df in dfs:
    df.to_csv(csv, mode = 'a', encoding = 'shift-jis', index = False, header = False)

関連資料

きっかけ

PDFにある表を抽出して、Excelとして保存し、2次利用したいことがあったので、本プログラムを書いてみた。