@Naka_Frozn
2022-07-04
请在使用前安装库与代码 若你使用Windows 32bit or 64bit 操作系统,请按以下说明操作
- 安装camelot-py库,可使用pip install camelot-py
- 安装opencv-python库,可使用pip install opencv-python
- 请在网站下载Ghostscript,并配置环境变量,参照本网站 https://camelot-py.readthedocs.io/en/master/user/install-deps.html
- 安装Pycryptodome库。
若你使用Anaconda等环境,请一定在Anaconda中安装以上涉及的库
你需要在使用前做以下事情:
- 确保你已经安装好所有库与配置完成
- 在目录下新建/downloads/文件夹,并以将每个年份的报告pdf放在以年份命名的子目录下。
- 在/downloads/文件夹配置待读取的pdf
- 运行gettables.py,输入需要分析的年份。若全选则输入all
- 程序运行中若遭遇错误会终止并等待是否继续分析的指令。若希望在运行过程中忽略错误,请在命令加入-silence选项。例如2017-silence
- 程序运行中可以保存运行记录,记录对应Pdf提取成功与否,以及提取的表格数量。若需要开启记录模式,请在命令中加入-log选项,例如2017-log
- 选项可以叠加使用。例如all-silence-log。
- Camelot库无法识别图像表格,只能抓取文本表格。
- PDF抓取时间大约在30s-60s一份就业质量报告,若遇到识别错误,会弹出是否继续识别的请求。在一般情况下,不建议打断识别进程。识别一年的就业质量报告可能需要40分钟到一个小时的时间。
- 由于各校会美化表格,在识别过程中会遇到识别结果错位,或无法识别的情况。请翻阅控制台记录,如遇到camelot无法识别时,会出现建议手动的提示。
使用中有遇到问题,请查阅 https://camelot-py.readthedocs.io/en/master/
或联系 [email protected]