怎么把excel格式转换成csv,如何把excel转换为csv
所见即所得，提高你的数据收集效率。
写完需求文章《如何用Python批量提取PDF文本内容？》，在后台收到很多消息。
很多读者问，如果是PDF文件里的表单呢？能正确转换吗？
我当时并不理解这种需求。因为那篇文章主要讲的是提取文本，其目的是自然语言处理的下一步。这个PDF文件里很多内容都是文字。其中，表格只占很小的比例。
文章755-79000中提供的工具pdf_extractor会保留表中的数据，但结构信息基本被丢弃。
表转换，属于结构化数据抽取。这和我当时的文章主旨不一样。所以没有一一回复。
不过最近我自己也遇到了这种需求。
我需要从一些论文的表格中提取一些数据。尤其是一些对比结果的列表。
在机器学习的论文中，总有这个对照表。主要是将当前模型的结果与基线或目前最好的结果进行比较，从而说明论文的价值和意义。在我的文章《如何用Python批量提取PDF文本内容？》里，我专门跟你谈过这个对比的选择。
例如：
如果你是在跟踪自然语言处理的进度，你一眼就能认出这个表格出自哪篇论文，对吧？
没错，就是著名的
BERT
语言模型。一方面，我们可能需要对纸质表格中出现的一些数据进行统计计算。另一方面，我们也需要把一些结果放在自己的论文里作为
对比
。而这些，如果需要我们手动提取数据，然后输入到程序或者Excel中，会很低效
。我们需要一种简单的方法来帮助自己正确提取PDF格式的信息，同时尽可能保持格式。
现在有了搜索的需求，我开始收集信息。我发现目前有相当多的应用支持从PDF中提取表格。
但是转化的效果真的参差不齐。易用性也不一样。有些要求您编写自己的脚本来完成操作。
其中转换效果好、使用方便的多为收费。而且有些真的不便宜。
几经查找对比，终于找到了一款免费好用的工具。而且经过实践尝试，发现转换效果良好。
在这里，我推荐给你。希望能帮助你在阅读和写作过程中提高PDF表格的数据收集效率。
装置的名字是Tabula，网站链接在这里。
该网站提供了Windows和macOS版本的下载链接，以及相应的源代码。
我的操作系统是macOS，这里以macOS版本为例。如果使用Windows，操作也是类似的。
请点击相应的链接下载并安装。
MacOS系统下载安装文件的压缩包，解压后会出现这样的目录。
双击其中的Tabula.app，在浏览器中就可以看到这样的Web界面。
让我们试着转换一个PDF文件。
在这里，我以伯特论文中的表单集合为例，告诉你如何使用Tabula。
点击上图中的浏览按钮，选择硬盘上的PDF文件。
然后点击导入按钮进行导入。
导入的PDF文章将显示在pages中。
你只需要翻到相应的页面，用鼠标勾选表格区域。
然后点击右上方绿色的“预览并导出提取的数据”按钮，就可以看到提取结果了。
然后，点击导出按钮，可以将结果导出为CSV格式，并在Excel中打开。
但是，在一些复杂表格的提取中，不同的列可能会被错误地放在一起。
比如选择这种形式的时候。
导出的结果如下所示：
我该怎么办？
其实并不难处理。
我们先将自动转换结果导出为CSV，然后用Excel打开。
以这里的第一列为例。显然，这里的三列数据加在一起是
挤在了
。幸运的是，因为这些数据都是用空格隔开的，所以拆分起来并不困难。
我们创建两个新的空列来容纳新分解的数据。
然后在第一列中选择要拆分的数据。
进入数据菜单，选择文本到列按钮。
在折叠的上方，一直往前走。
在第二个屏幕上，选择空格作为分段符号。
点击完成，就这样。
你看，拆分成功了吗？
总结看完这篇教程，希望你掌握了以下技巧：
你遇到的功能需求，可能早就被别人解决了。所以可以找工具解决，而不是非要交
重复发明轮子
；工具搜索，需要掌握
主动搜索的技巧
。这样，可以快速定位候选人。这里有一个搜索引擎技巧的教程，链接在这里；学习使用Tabula自动将表格从PDF文档转换为Excel可读的CSV格式；
可以使用Excel快速调整没有正确列出的转换结果。
祝你学习进步！
延伸阅读你可能也会对以下话题感兴趣。点击链接查看。
如何批量将Markdown文件转换成pdf？
如何用iPad运行Python代码？
如何使用Sikuli自动录入分数？
如何高效学习Python？
055-79000分享
请喜欢，打赏。也可以在微信关注并置顶我的微信官方账号“nkwangshuyi”。
如果你对Python和数据科学感兴趣，不妨看看我的系列教程索引贴《文科生用机器学习做论文，该写些什么？》，里面有更多有趣的问题和解决方法。
由于微信微信官方账号外部链接的限制，本文部分链接可能无法正确打开。如有需要，请点击文末“阅读原文”按钮，访问可以正常显示外部链接的版本。
星球的入口在这里：
