Transformación de datos no estructurados de fuentes PDF

[DivakarKrishnan]

Estimado equipo,

Estamos tratando de importar archivos PDF y construir un informe basado en esos datos.

Cuando estoy importando PDF en power Query usando el conector PDF, los datos no vienen en formato tabular y están completamente dispersos en varias celdas.

Traté de utilizar la función R (utilidad de conector PDF) también para hacer los datos estructurados, pero no suerte.

¿Puede alguien por favor sugerirme la mejor manera de transformar estos datos PDF no estructurados a una manera estructurada para utilizable. ¡Gracias!

[amitchandak]

@DivakarKrishnan , ¿hay datos en la tabla?

en caso afirmativo, consulte

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

https://www.sqlshack.com/importing-data-from-a-pdf-file-in-power-bi-desktop/

https://www.mssqltips.com/sqlservertip/5845/read-and-import-data-from-pdf-files-using-power-bi/

[DivakarKrishnan]

Hola Amit, Data no está en una tabla structrue, es por eso que estoy enfrentando problemas. Casi, me referí a todos estos enlaces, no está ayudando para mi caso de uso.

[amitchandak]

@DivakarKrishnan , Puede compartir algunos ejemplos de qué tipo de texto y lo que necesita hacer con eso. Puede que tenga que usar R o Python.

Hay algo en agosto de 2020. Pero aún no para pdf

https://powerbi.microsoft.com/en-us/blog/power-bi-desktop-august-2020-feature-summary/#_text_csv

[DivakarKrishnan]

Hola Amit,

Compartir el archivo PDF después de convertirlo como PNG.

Ejemplo: (Salida de datos necesaria)

Col1 - Col2

Entrada total - 37,374

Promedio de días laborables - 1,331

Malware entrante detectado - 171

He probado la función R (utilidad PDF) pero los valores quietos están dispersos a diferentes celdas diferentes, y a partir de ahí no soy capaz de transformar más.