解析表格数据，Python与Tika对比

为了证明Python确实在解析表格数据上优于其他的选择，今天我们为大家进行实例对比，具体如下：

PDF文件表格样例

Python解析结果

其他样式解析，如Tika

1、TEXT格式

  Tika tika = new Tika();

        tika.setMaxStringLength(100 * 1024 * 1024);

        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {

            return tika.parseToString(stream);

        }

Text格式解析结果

2、XHTML格式

       ContentHandler handler = new ToXMLContentHandler();

        AutoDetectParser parser = new AutoDetectParser();

        Metadata metadata = new Metadata();

        try (InputStream stream = new FileInputStream(new File("600060_2018_zB.pdf"))) {

            parser.parse(stream, handler, metadata);

            return handler.toString();

        }

XHTML格式解析结果

解析PDF常用组件（PdfBox、iText、Tika等）都无法将表格数据解析成有规则的格式。解析后格式基本是TEXT、XHTML等导致处理表格数据变的非常复杂。

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:PyThon学习网教学中心。