Extração de dados em arquivo PDF com Python

Рет қаралды 12,627

Жыл бұрын

Neste vídeo mostro como você pode extrair dados ou tabelas de arquivos PDFs.
Link para baixar o ebook: drive.google.c...

Пікірлер: 41

@polyanameireles2923 3 ай бұрын

Eu consigo extrair dados especificos de um pdf e organizar como eu quiser em uma planilha de excel automaticamente com o PHYTON?

@ernestomge 9 ай бұрын

Seu conteúdo é excelente. Muito didático e prático. Me ajudou demais. Parabéns!

@f3loc451 9 ай бұрын

Fico muito feliz em ter ajudado Ernesto!!

@janworld1 4 ай бұрын

muito bacana. Vou testar aqui e assistir outras aulas suas

@rafapioli75 3 ай бұрын

Excelente conteúdo! Parabéns pela iniciativa!

@t4blitoMax 3 ай бұрын

Excelente vídeo. Muito obrigado!

@rodrigomelo1306 Жыл бұрын

Massa demais. Obrigado pela dica Fernanda

@marcoswagnermainieri4794 9 ай бұрын

Não conhecia a lib tabula. Muito bom.

@stisampaio 7 ай бұрын

Excelente explicação. Parabéns.

@mathewsrodrigues Жыл бұрын

Muito bom! Excelente didática!!

@lorrangomes8076 5 ай бұрын

Parabéns

@josinaldoaraujo3047 Жыл бұрын

Show de bola!!! Parabéns, sem enrolação nem indução ao erro como alguns vídeos que tem por aí. Já vi vários vídeos que só dão erro, mas agora deu certo! Obrigado! Vou fazer vários testes, qualquer coisa volta aqui pra tirar dúvidas, pode ser?

@user-hf7eo6xd7x 6 ай бұрын

Obrigado pelo conteudo, vai ajudar muito.

@root1174 6 ай бұрын

e pago adianta de nada

@valmirrastelyjunior9400 7 ай бұрын

Excelente

@jonathanjesua1004 Жыл бұрын

Sucesso! 🍀

@kevinhoglass 4 ай бұрын

Eu tenho um pdf com um monte de processos. Gostaria de saber como eu faria uma filtragem e/ou extração de todos esses numeros de processos. Eles possuem uma sequencia numerica de 20 caraacteres. Ai depois dessa extração gostaria de passar para um excel. Mas se alguem puder me ajudar só de passar todos esses processos em um txt ja seria otimo.

@nubiamaria9864 Ай бұрын

Onde os arquivos estavam armazenados, para entender era esses arquivos?

@elizabethregina1460 Жыл бұрын

Muito bom!!!

@nelson8483 3 ай бұрын

tem como fazer isso com o pycharm? estou querendo fazer um trabalho assim: tenho uma apostila de 3k paginas, com vários códigos de falhas tipo F07900 eu quero que o programa diga entre com o numero da falha : o usuário entra com a falha EX:F07900 o programa vai no pdf e busca a falha e retorno com o enunciado da falha e sua solução. qual o problema que estou enfrentando, meu programa não busca as falhas em meu computador minha pergunta. teria como carregar a apostila direto no codigo ou de outra forma pra ele fazer isso?

@lourenzitt Жыл бұрын

Boa noite! Primeiramente seu conteúdo é um dos melhores que já vi sobre extração de dados em PDF! Eu usava um loop diferente do seu para extrair várias páginas, mas sua forma ficou mais otimizada, parabéns! Mas, gostaria de pedir uma ajuda, eu estou extraindo dados de um PDF com 13 mil páginas, estou convertendo em .TXT para poder dizer "qual linha eu quero extrair" especificamente. Contudo, pelo LOOP ele vai gerar 13 mil arquivos de .TXT. Como eu faria para tudo isso ficar em apenas um arquivo? Muito obrigado!

@f3loc451 Жыл бұрын

Olá, você pode criar um arquivo .txt único, percorrer todas as páginas do PDF, extrair os dados e escrevê-los no arquivo .txt único, vou colocar um exemplo de código aqui, espero que ajude: from PyPDF2 import PdfReader # Caminho para o arquivo PDF pdf_path = 'caminho_para_o_seu_arquivo.pdf' # Caminho para o arquivo de saída .txt output_txt_path = 'dados_extraidos.txt' # Inicializa o arquivo de saída with open(output_txt_path, 'w', encoding='utf-8') as output_file: pdf = PdfReader(pdf_path) # Percorre todas as páginas do PDF for page_num in range(len(pdf.pages)): page = pdf.pages[page_num] # Extrai o texto da página atual page_text = page.extract_text() # Escreve o texto da página no arquivo de saída output_file.write(page_text) print("Extração concluída e escrita no arquivo", output_txt_path)

@andreclash8010 8 ай бұрын

@@f3loc451, boa noite, tudo bem? É possível criar uma calculadora para ler notas de corretagem e gerar preço médio? Obrigado.

@f3loc451 8 ай бұрын

@@andreclash8010 sim, é possível

@andreclash8010 8 ай бұрын

@@f3loc451 , estou tentando fazer algo do tipo: durante 12 meses foram geradas diversas notas fiscais , gostaria de saber se é possível extrair apenas o Item "PARAFUSO" durante esses 12 meses e calcular o preço médio

@CalebeTutogames 7 ай бұрын

@@andreclash8010 Conseguiu??

@ValterRodrigues 5 ай бұрын

Olá. E como fazer para extrair um nome de pessoa e filiação, por exemplo. Imagine fazer isso de um artigo científico. Como seria o código?

@henriquemiranda4299 5 ай бұрын

Muito boa explicação. Porem aparece o seguinte erro para mim na parte das tabelas. AttributeError: module 'tabula' has no attribute 'read_pdf'

@jonatapaulino 3 ай бұрын

E quando o pdf não for tipo uma tabela, agente tem que usar o regex pra formatar? Parabéns pelo vídeo.

@MariaSantos-nh9xb 7 ай бұрын

Não percebo muito de programação. Tem como organizar o texto extraido, no sentido de retirar os paragrafos que cria e espaçamentos?

@f3loc451 7 ай бұрын

Tem sim, utilizando técnicas de NLP( Processamento de Linguagem Natural)

@rodrigomelo1306 Жыл бұрын

Sugestão de conteúdo. Extração de tabelas com imagens (pode ser um print) de uma página HTML local. Exemplo: Suponha que tenho um relatório em que exporto em HTML as informações do sistema e ao clicar no index.html aparece informações como este PDF de vendas. Como eu faria para tirar um print (pa obter as figuras também) e/ou extrair as tabelas como foi feito no exemplo do PDF ? Abração e parabéns pelo conteúdo.

@f3loc451 Жыл бұрын

Oi Rodrigo, para extrair tabelas de um arquivo html você pode utilizar o método read_html() do pandas, ele faz justamente isso, lê uma ou mais tabelas de uma página html e as retorna como um ou mais objetos Dataframe do pandas

@ReginaldoGomesify Жыл бұрын

Olá, pode me ajudar, meu arquivo está nesse caminho=> with open('D:\Cursos\Python\LerPDF/arquivo1.pdf','rb') as file: mas não consigo abrir, já mudei o caminho e nada sempre da erro no pdf_reader

@f3loc451 Жыл бұрын

Oi Reginaldo, podes mandar print do código com o erro?

@jalzeriofigueira2929 Ай бұрын

" ASPAS DUPLAS AO INVÉS DE '

@franciscocarvalho8540 8 ай бұрын

Não consigo rodar o código, pois, apresenta a seguinte mensagem de erro: NameError: name 'PdfReader' is not defined

@f3loc451 8 ай бұрын

O erro tá indicando que você não definiu a variável PdfReader, dá uma olhada no teu código novamente, provavelmente não está igual o meu Francisco

@franciscocarvalho8540 8 ай бұрын

@@f3loc451 Está tudo certinho com o código. Na realidade, acontece erro, quando tento rodar o código, nos dois exemplos que você postou. Veja abaixo: Exemplo 1 (texto) with open("nfe.pdf", 'rb') as pdf_file: pdf_reader = PdfReader(pdf_file) num_pages = len(pdf_reader.pages) for page_num in range(num_pages): page = pdf_reader.pages[page_num] text = page.extract_text() print(text) ______________________________________________________________________________ NameError Tracebak (most recente call last) Cell In[1], line 2 1 with open("nfe.pdf", 'rb') as pdf_file: 2 pdf_reader = PdfReader(pdf_file) 4 num_pages = len(pdf_reader.pages) 6 for page_num in range(num_pages): NameError: name 'PdfReader' is not defined Exemplo 2 (tabela) pdf_path = "nfe.pdf" tabelas = tabula.read_pdf(pdf_path, pages="all") _______________________________________________________________________________ NameError Tracebak (most recente call last) Cell In[1], line 3 1 pdf_path = "nfe.pdf" 3 tabelas = tabula.read_pdf(pdf_path, pages="all") NameError: name 'tabula' is not defined