Importación de pdf table desde url web usando Python , pero no se almacena como marco de datos en PowerBI

[Pandadev]

Hola estoy tratando de importar una tabla pdf a PowerBI. de - https://www.caas.gov.sg/docs/default-source/pdf/singapore-registered-aircraft-engine-nos---apr-2020d...

Soy nuevo tanto en PowerBI como en Python, pero de la investigación logró que este código funcionara

importa tabula
Archivo "https://www.caas.gov.sg/docs/default-source/pdf/singapore-registered-aircraft-engine-nos---apr-2020d..."
tablas: tabula.read_pdf(archivo, páginas á "todos", multiple_tables a True)

pero por alguna razón no se muestra como una tabla en PowerBI, a pesar de que no se informa de errores

[mwegener]

Hola @Pandadev ,

¿por qué no usa Power BI PDF Connector?

https://docs.microsoft.com/en-us/power-bi/connect-data/desktop-connect-pdf

[Pandadev]

Gracias, sí que funciona bien para este pdf, pero cuando importo un pdf donde sólo quiero ciertas tablas, ¿cómo puedo combinar todas esas tablas seleccionadas en una tabla. todas las tablas seleccionadas tendrán la misma estructura, orden de columnas, etc.

[V-lianl-msft]

Hola @Pandadev ,

Basado en su descripción. Puede obtener este archivo PDF utilizando el conector web.

let
    Source = Pdf.Tables(Web.Contents("https://www.caas.gov.sg/docs/default-source/pdf/singapore-registered-aircraft-engine-nos---apr-2020d1324ca0a72f4d42bd40c25673b42c82.pdf-is-not/td-p/1121450"), [Implementation="1.1"]),
    Table001 = Source{[Id="Table001"]}[Data],
    #"Promoted Headers" = Table.PromoteHeaders(Table001, [PromoteAllScalars=true]),
    #"Changed Type" = Table.TransformColumnTypes(#"Promoted Headers",{{"NO.", Int64.Type}, {"TYPE", type text}, {"REG", type text}, {"OPERATOR", type text}, {"ENGINE TYPE", type text}})
in
    #"Changed Type"

Utilice consultas de anexar para anexar más tablas.

Saludos
Liang
Si este post ayuda, por favor considere Aceptarlo como la solución para ayudar a los otros miembros a encontrarlo más rápidamente.

[Pandadev]

Gracias , aquí hay un ejemplo donde sólo necesito tablas seleccionadas del pdf - http://inaca.or.id/wp-content/uploads/2019/07/CAR19.pdf

donde los encabezados de columna son los mismos que a continuación, ¿es esto posible

[mwegener]

Hola @Pandadev ,

se ve bien, pruébalo tú mismo 😉

[Pandadev]

hay una manera de crear una sola tabla que tiene tablas que contienen las columnas correctas, ya que el powerbi está tirando de muchos cuadros que no son necesarios. estaba vagando si pudiera decir si la tabla contiene los encabezados de columna y luego añadirlo.

[Syndicate_Admin · Accepted solution]

No @Pandadev ,

Puede usar Python para obtener la tabla en PDF y exportar la tabla y, a continuación, seleccionar el conector adecuado en power Bi para conectar el archivo de exportación.

http://theautomatic.net/2019/05/24/3-ways-to-scrape-tables-from-pdfs-with-python/

Saludos
Liang
Si esta publicación ayuda, entonces por favor considere Aceptarlo como la solución para ayudar a los otros miembros a encontrarlo más rápidamente.