معرفی شرکت ها

colibrie-1.2

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Colibrie is a blazing fast tool to extract tables from PDFs
ویژگی مقدار
سیستم عامل -
نام فایل colibrie-1.2
نام colibrie
نسخه کتابخانه 1.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Alexandre Bitoun
ایمیل نویسنده alexandre.bitoun@outlook.fr
آدرس صفحه اصلی https://github.com/abitoun-42/colibrie
آدرس اینترنتی https://pypi.org/project/colibrie/
مجوز MIT
<p align="center"><img width=300 src="https://user-images.githubusercontent.com/57960922/192136956-f3c9057b-21cf-4037-8bbd-448f17e79c76.png"></p> # Colibrie [![image](https://img.shields.io/pypi/v/colibrie.svg)](https://pypi.org/project/colibrie/) [![image](https://img.shields.io/pypi/l/colibrie.svg)](https://pypi.org/project/colibrie/) Colibrie is a blazing fast tool to extract tables from PDFs ## Why Colibrie? - **Efficient**: Colibrie is faster by multiple order of magnitude than any actual existing solution - **Fidel visual**: Colibrie can provide 1:1 HTML representation of any tables it'll find - **Reliable**: Colibri will find every valid tables without exception if the PDF is compatible with the core principle of Colibrie - **Output**: Each table can be export into to multiple formats, which include : - Pandas Dataframe. - HTML. ### Benchmark : Some number to compare [Camelot](https://github.com/camelot-dev/camelot) (a popular library to extract tables from PDF) and Colibrie <table> <thead> <tr> <th colspan="2"></th> <th colspan="4">Tables extracted</th> <th colspan="2"></th> </tr> <tr> <th colspan="2">Times in second</th> <th colspan="2">camelot</th> <th colspan="2">colibrie</th> <th colspan="2"></th> </tr> <tr style="text-align: right;"> <th>camelot</th> <th>colibrie</th> <th>valid</th> <th>false positive</th> <th>valid</th> <th>false positive</th> <th>pages count</th> <th>pdf file</th> </tr> </thead> <tbody> <tr> <td>0.53</td> <td>0.00545</td> <td>1</td> <td>0</td> <td>1</td> <td>0</td> <td>1</td> <td><a href="https://github.com/abitoun-42/colibrie/files/9620468/boc_20220014_0001_p000_extract_2.pdf">small pdf</a></td> </tr> <tr> <td>5.95</td> <td>0.02100</td> <td>4</td> <td>0</td> <td>4</td> <td>0</td> <td>11</td> <td><a href="https://github.com/abitoun-42/colibrie/files/9620506/boc_20210034_0000_0003.pdf">medium pdf</a></td> </tr> <tr> <td>105.00</td> <td>0.21900</td> <td>62</td> <td>1</td> <td>61</td> <td>0</td> <td>167</td> <td><a href="https://github.com/abitoun-42/colibrie/files/9620511/boc_20220014_0001_p000.pdf">big pdf</a></td> </tr> <tr> <td>182.00</td> <td>0.69000</td> <td>175</td> <td>1</td> <td>177</td> <td>0</td> <td>269</td> <td><a href="https://github.com/abitoun-42/colibrie/files/9620515/boc_20220025_0001_p000.pdf">giant pdf</a></td> </tr> </tbody> </table> ## Current limitation - Colibrie only works with text-based PDFs and not scanned documents. (As Tabula [explains](https://github.com/tabulapdf/tabula#why-tabula), "If you can click and drag to select text in your table in a PDF viewer, then your PDF is text-based".) - For the moment Colibrie doesn't work on PDF with tables that has no structural lines (like [this one](https://github.com/abitoun-42/colibrie/files/9627754/budget_2014-15.pdf) or [this one](https://github.com/abitoun-42/colibrie/files/9627800/m27.pdf) ) but it can handle a few missing lines (like [this one](https://github.com/abitoun-42/colibrie/files/9627853/spreadsheet_no_bounding_frame.pdf) or [this one](https://github.com/abitoun-42/colibrie/files/9627858/boc_20210034_0000_0003_extract.pdf)) ## Installation ### using source ``` pip install poetry git clone https://github.com/abitoun-42/colibrie.git cd colibrie poetry install ``` ### using pip ``` pip install colibrie ``` ## Usage PDF used in example : [example.pdf](https://github.com/abitoun-42/colibrie/files/9620593/boc_20210034_0000_0003_extract_2.pdf) ``` from colibrie.extract_tables import extract_table tables = extract_table('example.pdf') for table in tables: print(table.to_html()) df = table.to_df() ``` ### Output : <table><tr><td style="text-align:center;" rowspan=1 colspan=4>Classifi cation des associations agréées de surveillance <br> de la qualité de l’air<br> </td><td style="text-align:center;" rowspan=1 colspan=4>Classifi cation des bureaux d’études techniques, <br> des cabinets d’ingénieurs-conseils <br> et des sociétés de conseils<br> </td></tr><tr><td style="text-align:center;" rowspan=1 colspan=1>Catégorie<br> </td><td style="text-align:center;" rowspan=1 colspan=1>Échelon<br> </td><td style="text-align:center;" rowspan=1 colspan=1>Coeffi cient<br> </td><td style="text-align:center;" rowspan=1 colspan=1>Salaire <br> minimal <br> hiérarchique<br> </td><td style="text-align:center;" rowspan=1 colspan=1></td><td style="text-align:center;" rowspan=1 colspan=1>Position<br> </td><td style="text-align:center;" rowspan=1 colspan=1>Coeffi cient<br> </td><td style="text-align:center;" rowspan=1 colspan=1>Salaire <br> minimal <br> hiérarchique<br> </td></tr><tr><td style="text-align:center;" rowspan=3 colspan=1>7<br> </td><td style="text-align:center;" rowspan=3 colspan=1>1<br> 2<br> 3<br> 4<br> 5<br> 6<br> 7<br> 8<br> 9<br> 10<br> 11<br> 12<br> </td><td style="text-align:center;" rowspan=3 colspan=1>255<br> 268<br> 282<br> 296<br> 311<br> 327<br> 344<br> 362<br> 381<br> 401<br> 422<br> 444<br> </td><td style="text-align:center;" rowspan=3 colspan=1>1 307,13 €<br> 1 373,77 €<br> 1 445,53 €<br> 1 517,30 €<br> 1 594,19 €<br> 1 676,20 €<br> 1 763,34 €<br> 1 855,61 €<br> 1 953,01 €<br> 2 055,53 €<br> 2 163,17 €<br> 2 275,94 €<br> </td><td style="text-align:center;" rowspan=6 colspan=1>ETAM<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1.1.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>230<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 558,80 €<br> </td></tr><tr><td style="text-align:center;" rowspan=1 colspan=1>1.2.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>240<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 587,50 €<br> </td></tr><tr><td style="text-align:center;" rowspan=1 colspan=1>1.3.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>250<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 618,50 €<br> </td></tr><tr><td style="text-align:center;" rowspan=3 colspan=1>6<br> </td><td style="text-align:center;" rowspan=3 colspan=1>1<br> 2<br> 3<br> 4<br> 5<br> 6<br> 7<br> 8<br> 9<br> 10<br> 11<br> 12<br> </td><td style="text-align:center;" rowspan=3 colspan=1>310<br> 326<br> 344<br> 363<br> 384<br> 406<br> 430<br> 457<br> 485<br> 515<br> 549<br> 585<br> </td><td style="text-align:center;" rowspan=3 colspan=1>1 589,06 €<br> 1 671,08 €<br> 1 763,34 €<br> 1 860,74 €<br> 1 968,38 €<br> 2 081,16 €<br> 2 204,18 €<br> 2 342,58 €<br> 2 486,11 €<br> 2 639,89 €<br> 2 814,17 €<br> 2 998,71 €<br> </td><td style="text-align:center;" rowspan=1 colspan=1>2.1.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>275<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 683,75 €<br> </td></tr><tr><td style="text-align:center;" rowspan=1 colspan=1>2.2.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>310<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 786,70 €<br> </td></tr><tr><td style="text-align:center;" rowspan=1 colspan=1>2.3.<br> </td><td style="text-align:center;" rowspan=1 colspan=1>355<br> </td><td style="text-align:center;" rowspan=1 colspan=1>1 922,60 €<br> </td></tr></table>


نیازمندی

مقدار نام
>=0.29.32,<0.30.0 Cython
>=1.20.2,<2.0.0 PyMuPDF
>=1.23.3,<2.0.0 numpy
>=1.5.0,<2.0.0 pandas
>=9.2.0,<10.0.0 Pillow
>=1.0.4,<2.0.0 ailist


زبان مورد نیاز

مقدار نام
>=3.8 Python


نحوه نصب


نصب پکیج whl colibrie-1.2:

    pip install colibrie-1.2.whl


نصب پکیج tar.gz colibrie-1.2:

    pip install colibrie-1.2.tar.gz