一个工具把 PDF 表格掏净——试试 Excalibur,你会爱上这种“可视化抓表”方式

说实话，PDF 里面的表格一直是办公里的拖延怪。直接复制粘贴变形、格式乱七八糟，要么手工重做一遍。Excalibur 就像一把「可视化的表格吸尘器」，把 PDF 里的表格抽出来，保存成 CSV/Excel/JSON，特别适合想把大量报表、发票、导出数据批量化的人。下面用比较接地气的方式，带你快速上手和避坑。

什么是 Excalibur简单一句话：Excalibur 是一个基于网页的 PDF 表格提取工具，后端用的是 Camelot（Python 写的）。它提供可视化界面，你可以上传 PDF、标注表格区域、选择提取策略，然后导出为常见数据格式。注意：只支持「可复制文本的 PDF」，也就是说如果是扫描件，需要先做 OCR。

它能解决哪些痛点（为什么要用它）

• • 自动/半自动识别表格结构，省去手工重排的时间；
• • 可视化标注，非技术人员也能操作；
• • 提取后可直接导出 CSV/Excel/JSON，方便后续分析；
• • 设置和规则可以复用，批量处理同类报表更高效；
• • 全部在自己机器或公司服务器上跑，数据可控（不用发第三方）。
• 

快速命令参考（常用步骤）

安装指南（常见平台）

• • Linux（Debian/Ubuntu）：sudo apt-get install ghostscript
• • macOS（Homebrew）：brew install ghostscript
• • Windows：用 choco 安装 或 从官网安装 Ghostscript 的安装包

装好依赖后：

pip install excalibur-pyexcalibur initdbexcalibur webserver# 然后在浏览器打开 http://localhost:5000

也可以从 GitHub 克隆源码再 pip 安装：git clone https://github.com/camelot-dev/excalibur && cd excalibur && pip install .

如何用（实操流程，五步走）

1. 1. 上传 PDF，指定需要的页面（或全部）；
2. 2. 逐页查看，手工用框圈选表格（也可以点“Autodetect tables”让它自动识别）；
3. 3. 在“Advanced”选项里选取提取方式（下面有对比表）；
4. 4. 点“View and download data”预览，确认无误后选择 CSV/Excel/JSON/HTML 下载；
5. 5. 对同类文档可保存提取配置，批量应用。

优缺点一览表

总结总的来说，Excalibur 非常适合那种“表格量大但结构比较固定”的场景：财务报表、发票导出、批量报表抓取。它不是万能的，复杂合并单元格或扫描件仍需花工夫，但能把大量重复劳动自动化，省时又省心。想要做更深的二次开发，源码开放，也能接入 Camelot 的更多参数调整。要是你手边有一批 PDF 表格，花半小时玩一遍，很可能就能节省后续几天的手工活。

项目地址：https://github.com/camelot-dev/excalibur