[PYTHON] COCO'S Frühstücksbuffet Store Liste PDF konvertiert in CSV

Einführung

COCO'S Frühstücksbuffet Liste PDF-Datei und Konvertierung in CSV Als Referenz habe ich mit Camelot in PDF konvertiert, Daten mit Pandas bereinigt und in CSV konvertiert.

Vorbereitung

apt install python3-tk ghostscript
pip install camelot-py[cv]
pip install pandas

Datenbereinigung

import camelot
import pandas as pd

tables = camelot.read_pdf(
    "https://www.cocos-jpn.co.jp/menu_pdf/bvshoplist.pdf",
    pages="all",
    split_text=True,
    strip_text="\n",
    line_scale=40,
)

#Spaltenname
columns = ["".join(i) for i in zip(*(tables[0].df.head(2).values))]

dfs = [table.df.iloc[3:].set_axis(columns, axis=1) for table in tables]

#Neu nummerieren
df = pd.concat(dfs).reset_index(drop=True)
df.index += 1

#Ersetzen Sie leere Zeichen durch fehlende
df.mask(df == "", inplace=True)

#Wenn das Implementierungsdatum täglich, wochentags, samstags und sonntags ist
df["Implementierungsdatum"] = df["Implementierungsdatum"].where(df["Nutzungsgebühr"].isnull(), df["Nutzungsgebühr"])

#Ergänzen Sie die täglichen Geschäftsinformationen
df.fillna(method="ffill", inplace=True)

#Löschen Sie die Spalte Nutzungsgebühr
df.drop("Nutzungsgebühr", axis=1, inplace=True)

#Inklusive Steuerbetrag
adult = (
    df["aufgewachsen"]
    .str.extractall("([0-9]+)")
    .unstack()
    .rename(columns={0: "aufgewachsen_Steuer ausgeschlossen", 1: "aufgewachsen_Steuern inklusive"}, level=1)
)
adult.columns = adult.columns.droplevel(level=0)
df["aufgewachsen"] = adult["aufgewachsen_Steuern inklusive"].astype(int)

#Inklusive Steuerbetrag
child = (
    df["Grundschüler und jünger"]
    .str.extractall("([0-9]+)")
    .unstack()
    .rename(columns={0: "Kind_Steuer ausgeschlossen", 1: "Kind_Steuern inklusive"}, level=1)
)
child.columns = child.columns.droplevel(level=0)
df["Grundschüler und jünger"] = child["Kind_Steuern inklusive"].astype(int)

#Adressspalte umbenennen
df.rename(columns={"Nach der Adresse": "Adresse"}, inplace=True)

#Unicode-Normalisierung von Adressen, Entfernung von Bleaching
df["Adresse"] = df["Adresse"].str.normalize("NFKC").str.replace(" ", "")

df.to_csv("cocos.csv", encoding="utf_8_sig")

Referenz

COCO'S Frühstücksbuffet Liste der Geschäfte PDF-Datei abrufen und in CSV konvertieren