পাইথন তার বিশাল প্যাকেজ লাইব্রেরির জন্য বিখ্যাত। লাইব্রেরিগুলোর সাহায্যে, আমরা দেখব কিভাবে একটি PDF CSV ফাইলে কনভার্ট করা যায়। CSV ফাইল কিছু নয় বরং ডেটার সংগ্রহ, যা সারি এবং কলামের সেটের সাথে ফ্রেমড। পাইথন লাইব্রেরিতে PDF-কে CSV-তে কনভার্ট করার বিভিন্ন প্যাকেজ রয়েছে, কিন্তু আমরা Tabula-py module ব্যবহার করব। tabula-py-এর মেজর পার্ট জাভা-তে লেখা যা প্রথমে PDF ডকুমেন্ট পড়ে এবং পাইথন DataFrame-কে JSON অবজেক্টে কনভার্ট করে।
Tabula-py-র সাথে কাজ করতে, আমাদের সিস্টেমে জাভা প্রি-ইনস্টলড থাকতে হবে। PDF ফাইল CSV-তে কনভার্ট করতে, আমরা এই ধাপগুলো অনুসরণ করব:
কমান্ড শেলে pip install tabula-py টাইপ করে প্রয়োজনীয় প্যাকেজ ইনস্টল করুন।
এখন, read_pdf("file location", pages=number) ফাংশন ব্যবহার করে ফাইল পড়ুন। এটি DataFrame রিটার্ন করবে।
DataFrame-কে এক্সেল ফাইলে কনভার্ট করুন tabula.convert_into('pdf-filename', 'name_this_file.csv', output_format="csv", pages="all") ব্যবহার করে। এটি সাধারণত PDF ফাইল এক্সেল ফাইলে এক্সপোর্ট করে।
উদাহরণ
এই উদাহরণে, আমরা IPL Match Schedule Document ব্যবহার করেছি এক্সেল ফাইলে কনভার্ট করার জন্য।
# প্রয়োজনীয় মডিউল ইম্পোর্ট
import tabula
# একটি PDF ফাইল পড়ুন
df = tabula.read_pdf("IPLmatch.pdf", pages='all')[0]
# PDF কে CSV-তে কনভার্ট
tabula.convert_into("IPLmatch.pdf", "iplmatch.csv", output_format="csv", pages='all')
print(df)
আউটপুট
উপরোক্ত কোড রান করলে PDF ফাইল এক্সেল (CSV) ফাইলে কনভার্ট হবে।
