Gmft
简介 :
gmft是一个用于将PDF中的表格转换为多种格式的工具包。它轻量级、模块化且性能优越。gmft依赖于微软的Table Transformers,这是众多替代方案中性能最好、最可靠的。gmft无需GPU即可运行,具有高吞吐量,并且安装简便,仅需一行代码即可完成安装。它使用PyPDFium2,因其高吞吐量和宽松的许可证而受到青睐。gmft使用的训练模型TATR在多样化的数据集PubTables-1M上训练,具有高可靠性。
需求人群 :
gmft的目标受众是数据分析师、研究人员和任何需要从PDF文档中提取表格数据的用户。由于其轻量级和高性能的特性,gmft特别适合需要处理大量PDF文件并快速转换数据的场合。
总访问量: 474.6M
占比最多地区: US(19.34%)
本站浏览量 : 56.6K
使用场景
数据分析师使用gmft从研究报告中提取数据进行进一步分析
研究人员利用gmft从学术论文中提取实验数据
企业用户通过gmft自动化从合同文档中提取表格数据的过程
产品特色
支持将PDF表格转换为Pandas DataFrame等多种格式
能够输出表格的文本和位置列表
支持输出表格的裁剪图像
支持表格标题的提取
无需OCR即可快速提取表格,适用于图像和扫描PDF
通过PyPDFium2实现高吞吐量的PDF处理
可配置性强,支持自定义模型和提取方法
使用教程
安装gmft:在命令行中输入`pip install gmft`进行安装
导入必要的模块:在Python脚本中导入`CroppedTable, TableDetector, AutoTableFormatter`等
创建PyPDFium2Document对象:使用待提取表格的PDF文件路径创建文档对象
使用TableDetector进行表格检测:遍历文档的每一页,使用detector提取表格
使用AutoTableFormatter格式化表格:将检测到的表格进行格式化处理
将提取的表格数据转换为所需格式:例如转换为Pandas DataFrame或其他支持的格式
关闭文档对象:完成提取后,调用文档对象的close方法释放资源
AIbase
智启未来,您的人工智能解决方案智库
简体中文