我每天都要手工编写一堆报告，这太花时间了，所以我想把整个过程自动化。我将从:(1)HTML， (2) CSV/XLS， (3) PDF中抓取数据。我主要只是用PHP从CSV/HTML中抓取数据，并且想知道是否有任何可靠的库或方法可以从PHP中的PDF中抓取表数据?
我也刚刚开始学习Python，并看到尝试使用PDFMiner与Scrapy一起做这件事可能是一个好主意。这样会更好吗?或者还有其他选择吗?
请告诉我。谢谢!
Beautiful Soup是另一个很好的抓取选择，PDFminer是我发现的最好的Python PDF解析器。我主要使用pdf2txt.py，然后根据需要重新格式化。
如果您可以通过命令行访问linux服务器，请尝试使用pdftotext命令
$ pdftotext file.pdf
如果你幸运的话，你会得到一些你可以使用的东西。根据我的经验，根据PDF格式的不同，文本可能会与表格最初的格式不同。好运。