复盘如何免费实现pdf提取excel表格小脚本

上一个笔记我们介绍了pdf提取excel表格脚本的一些功能和使用方法，
这次我们来说一下如何复刻这样一个脚本，同时分享提示词。

跟之前的word和pdf互转一样，pdf提取excel表格也是有对应的库。
只要我们正确使用这个库，就可以实现我们的库。

这次我们选择tabula和PDFPlumber这两个引擎。
为什么选择两个引擎呢？答案很简单，因为目前所有的引擎都有局限性。
pdf转成word或者excel最大的问题就是，pdf底层不是代码，而是图像。
也就是说，他所有显示的内容都是画上去的，都有一个xy坐标，原点在所有页面的左上角。

你没办法直接提取，要借助一些视觉方案。

这就带来一个问题，如果你只是借助某个引擎来提取内容，
那么就没办法处理合并单元格的问题。

你需要借助引擎对于所有单元格的长宽对比，
确定那个大的单元格是合并出来的，那个小的单元格是正常的。
而且也没办法做到100%准确。

同时，由于原点在所有页面的左上角，
你不能根据表格的坐标来判断谁先谁后。
你第一次提取出来的表格顺序永远是乱的，
因此只能一页一页地提取，才能保证顺序正确。

可以说，我后续调整合并单元格这个功能就占了我两天时间，
最终也还是只能应对98%的合并单元格。

当然，这些判断逻辑我都写在提示词当中了，不用大家再跟AI说。

之后，大家在复刻时，可以拿出自己平时用的pdf文件，有针对性地调教。

如果你平时在别的地方使用的工具不合你的心意，
大概率也是因为他们的训练样本跟你的不太一样。

#pdf转换器 #PDF工具 #ai编程 #ai应用 #大模型 #vibecoding #agent #ai工具 #ai软件 #ai