# 万能的佬友们，有什么方法自动化读取Excel，pdf 中的数据呀 **URL:** \ **Category:** 开发调优\ **Tags:** 人工智能, 快问快答, 软件开发\ **Created:** [2026 年5 月 15 日 08:46 UTC](https://linux.do/t/topic/2182262 "2026-05-15T08:46:01Z")\ **Posts on this page:** 15\ **Page:** 1
作者： ![Inkovo](https://cdn.ldstatic.com/letter_avatar/inkovo/32/6_22734026db12803ebb3e059622ac3534.png) [@Inkovo](https://linux.do/u/Inkovo)\ 发布日期： [2026 年5 月 15 日 08:46 UTC](https://linux.do/t/topic/2182262/1 "2026-05-15T08:46:02Z")
最近的工作是想办法自动化批量从下载的各地的统计年鉴pdf Excel中读取想要的板块数据，然后按照要求的字段提取出来 ，尝试用codex写python脚本实现但是效果都不好，主要每个地区年鉴格式不一样，表头、单位、年份、地区行都不统一，然后字段口径容易混，基本都是AI coding 出来的 不知道怎么推进了 因为让codex改来改去都有新的bug 🥲 ![image](https://cdn3.ldstatic.com/original/4X/4/1/0/4101cc85a5d988829096c59748e5d34e2877bbc7.png) 需要提取的内容如这样 落表应该像这样 ![image](https://cdn3.ldstatic.com/original/4X/8/7/8/878dd2d436bfe709c3eb48f39ee5ccb49fb8f2ea.png) ---
作者： ![DeepFal](https://cdn.ldstatic.com/user_avatar/linux.do/deepfal/32/1528001_2.png) [@DeepFal](https://linux.do/u/DeepFal)\ 发布日期： [2026 年5 月 15 日 08:47 UTC](https://linux.do/t/topic/2182262/2 "2026-05-15T08:47:41Z")
这种把需求描述清楚和 ai 多拉扯几轮基本就可以了 多给 AI 一些有价值的参考信息 ---
作者： ![wxyShine](https://cdn.ldstatic.com/user_avatar/linux.do/wxyshine/32/161_2.png) [@wxyShine](https://linux.do/u/wxyShine)\ 发布日期： [2026 年5 月 15 日 08:48 UTC](https://linux.do/t/topic/2182262/3 "2026-05-15T08:48:13Z")
> [@Inkovo](#): > > 主要每个地区年鉴格式不一样，表头、单位、年份、地区行都不统一 没有固定模板那属实难搞 要么兼容N个模板 🤣 别让AI给你写程序了 直接文件丢AI 让AI给你数据结果吧 ---
作者： ![JustaWay](https://cdn.ldstatic.com/user_avatar/linux.do/justaway/32/431333_2.png) [@JustaWay](https://linux.do/u/JustaWay)\ 发布日期： [2026 年5 月 15 日 08:48 UTC](https://linux.do/t/topic/2182262/4 "2026-05-15T08:48:20Z")
直接让 AI 识别文字发给你- - 用 ai 的多模态来做得了， ---
作者： ![Inkovo](https://cdn.ldstatic.com/letter_avatar/inkovo/32/6_22734026db12803ebb3e059622ac3534.png) [@Inkovo](https://linux.do/u/Inkovo)\ 发布日期： [2026 年5 月 15 日 08:49 UTC](https://linux.do/t/topic/2182262/5 "2026-05-15T08:49:10Z")
我也是说想这样 不过要做全国的不想付费上班 可恶！ ---
作者： ![Elio1](https://cdn.ldstatic.com/letter_avatar/elio1/32/6_22734026db12803ebb3e059622ac3534.png) [@Elio1](https://linux.do/u/Elio1)\ 发布日期： [2026 年5 月 15 日 08:50 UTC](https://linux.do/t/topic/2182262/6 "2026-05-15T08:50:11Z")
豆包或者gpt不能读出来吗，可能多的话它会有点小问题 ---
作者： ![JustaWay](https://cdn.ldstatic.com/user_avatar/linux.do/justaway/32/431333_2.png) [@JustaWay](https://linux.do/u/JustaWay)\ 发布日期： [2026 年5 月 15 日 08:50 UTC](https://linux.do/t/topic/2182262/7 "2026-05-15T08:50:35Z")
> [@Inkovo](#): > > 我也是说想这样 不过要做全国的不想付费上班 可恶！ 我做的小程序自动识别截图里面持仓信息就是用 GLM-4.6V，便宜，比传统 OCR 还是准确一点的 ---
作者： ![FollowOne](https://cdn.ldstatic.com/user_avatar/linux.do/followone/32/625435_2.png) [@FollowOne](https://linux.do/u/FollowOne)\ 发布日期： [2026 年5 月 15 日 09:06 UTC](https://linux.do/t/topic/2182262/8 "2026-05-15T09:06:23Z")
> **[GitHub - MiniMax-AI/skills](https://github.com/MiniMax-AI/skills)** > > 通过在 GitHub 上创建帐户来为 MiniMax-AI/skills 开发做出贡献。 你看看这个是否合适，minimax的开源skill套装，包含了office全家桶和pdf的skill ---
作者： ![jkshh123](https://cdn.ldstatic.com/user_avatar/linux.do/jkshh123/32/275139_2.png) [@jkshh123](https://linux.do/u/jkshh123)\ 发布日期： [2026 年5 月 15 日 09:09 UTC](https://linux.do/t/topic/2182262/9 "2026-05-15T09:09:33Z")
需要截图先让ai自梳理描述清楚准确开发要求，再让ai去开发。推荐gpt5.5梭哈。推荐一个skill：grill-me 。把需求文档至少让他问你50个问题，对接好需求。再开发 ---
作者： ![codeliu9527](https://cdn.ldstatic.com/user_avatar/linux.do/codeliu9527/32/1649996_2.png) [@codeliu9527](https://linux.do/u/codeliu9527)\ 发布日期： [2026 年5 月 15 日 09:42 UTC](https://linux.do/t/topic/2182262/10 "2026-05-15T09:42:45Z")
excel有点经验，pdf没怎么玩过，不管是python还是php理论上都可以读的，你可以这样给ai说，就是有个基础的表头业务做归档，没有的新增 有的话和你自己的需要的表头吧这条数据拿出来丢新的csv或者直接生成你需要的就好了 简单来说读取 然后匹配再保存即可 ---
作者： ![JuyaoHuang](https://cdn.ldstatic.com/user_avatar/linux.do/juyaohuang/32/2256808_2.png) [@JuyaoHuang](https://linux.do/u/JuyaoHuang)\ 发布日期： [2026 年5 月 15 日 10:00 UTC](https://linux.do/t/topic/2182262/11 "2026-05-15T10:00:14Z")
pdf github上一个叫 Marker 的项目，挺好用的，似乎可以先批量pdf转md，再给ai处理后续内容。 ---
作者： ![casperld](https://cdn.ldstatic.com/user_avatar/linux.do/casperld/32/1896863_2.png) [@casperld](https://linux.do/u/casperld)\ 发布日期： [2026 年5 月 15 日 10:04 UTC](https://linux.do/t/topic/2182262/12 "2026-05-15T10:04:40Z")
> [@Inkovo](#): > > 试用codex写python脚本实现但是效果都不好，主要每个地区年鉴格 这个skills基本不能用，很烂，需要下载各种包。不推荐使用。 ---
作者： ![wyjistest](https://cdn.ldstatic.com/letter_avatar/wyjistest/32/6_22734026db12803ebb3e059622ac3534.png) [@wyjistest](https://linux.do/u/wyjistest)\ 发布日期： [2026 年5 月 15 日 10:06 UTC](https://linux.do/t/topic/2182262/13 "2026-05-15T10:06:57Z")
看看一些OCR的服务，我之前弄过电子发票的识别，感觉效果还可以。 ---
作者： ![nimabibi](https://cdn.ldstatic.com/user_avatar/linux.do/nimabibi/32/697168_2.png) [@nimabibi](https://linux.do/u/nimabibi)\ 发布日期： [2026 年5 月 15 日 10:29 UTC](https://linux.do/t/topic/2182262/14 "2026-05-15T10:29:59Z")
省市县三级就让AI穷举所有表头了，然后明年就轻松了 😂 ---
作者： ![yy1111](https://cdn.ldstatic.com/letter_avatar/yy1111/32/6_22734026db12803ebb3e059622ac3534.png) [@yy1111](https://linux.do/u/yy1111)\ 发布日期： [2026 年5 月 19 日 01:41 UTC](https://linux.do/t/topic/2182262/15 "2026-05-19T01:41:28Z")
很难，之前兼职接单就是从类似数据的pdf里面提取数据落表的，每个源也是格式不一样，都是ai加python加人工介入解决的。