批量导入并整合pdf数据做分析，用Power BI小意思啦！

批量导入并整合pdf数据做分析，用Power BI小意思啦！

2024-11-10 16:58

小勤：我们每天都能收到供应商推送的pdf格式的燃油价格文件，怎么能方便地整合到一起做数据分析啊？

大海：现在Power BI支持pdf文件的数据导入了，所以非常方便啊。

- 1 - 打开功能

小勤：这么流弊！但怎么在”数据获取“功能里没看到从pdf文件导入数据的选项啊？

大海：目前这个还是预览功能，所以要现在选项里进行简单的设置，如下图所示：

小勤：原来这样。那具体怎么用呢？

- 2 - 单文件的导入

大海：其实，从pdf导入数据的总体操作跟从Excel导入是基本一样的。比如，我们先看一下从一个文件导入的情况：

这时，我们可以看到，打开pdf文件会得到（每页）2个内容选择项，一个是Table类，即表格，一个Page类，即全部页面内容，如下图所示：

小勤：每页都这样？为什么要这么分呢？

大海：对的。因为很多时候你可能只要其中的表格，这样直接读取就方便一些；而有时候你不仅需要其中的表格，还需要一些其他相关内容，这时候就要从Page页面文件中读取数据。这里，我们仅从表格中读取数据，所以勾选表格的数据后，单击“编辑”按钮。

小勤：识别出来的表格怎么跟我们想要的不太一样啊？第二列的内容放到一个新列里面去了。

大海：对的，这应该跟Power BI判断表格的标准有一定关系，所以我们还要整理一下。选中价格列及新增的Column3列，然后合并，如下图所示：

最后，修改一下合并后的数据类型：

小勤：这个操作倒简单，都是Power Query里面的基础知识。

大海：对的。Power BI的数据整理过程主要都是Power Query的知识应用而已。

- 3 - 多文件批量导入

小勤：那要批量导入多个pdf文件并整合，那该怎么办呢？

大海：还记得批量导入多个Excel文件并整合是怎么做的吗？

小勤：知道啊。你在文章《》里讲得很清楚的，简单来说就是从文件夹导入，然后用Excel.Workbook函数解析出数据，就可以合并了。

大海：那我们看一下这里读取pdf数据是生成的步骤里用了什么函数？

小勤：Pdf.Tables？

大海：对的。所以，对于Excel文件，使用Excel.Workbook进行数据解析，那么，对于pdf文件来说，就用Pdf.Tables来解析即可。

小勤：明白了，数据解析出来后，就可以对其中的表或页面内容进行筛选、整理了。

大海：嗯。所以，这里多个pdf文件的整合，也就比较简单了：

Step 01 从文件夹获取数据

Step 02 用Pdf.Tables函数解析文件内容

Step 03 展开数据并筛选所需类型数据

Step 04 按需要整理数据

4.1 从文件名中提取出油价日期

4.2 删除不需要的列

4.3 合并列

4.4 通过筛选的方式去掉原来的标题行

小勤：这个不能像Excel.Workbook函数那样加参数直接识别出标题行吗？

大海：目前Pdf.Tables函数是不支持这样的参数的，希望将来更加完善。

4.5 最后我们直接修改一下列名即可：

小勤：嗯。这样整合pdf文件的数据参与分析就方便多了。另外，如果是从page页面文件读取数据，要怎么整理？

大海：这就要看具体读出来的内容是什么样子的了。我们从前面可以看到，即使是针对page页面文件形式，读出来的仍然是一个表，也就是说，Pdf.Tables解析出来的文件，其实是根据一些分隔符（如空格）对文件内容进行分割，放入到一个表的不同行列单元格里，最终形成一张大表，然后要怎么整理就看实际需要了。

小勤：大概理解了，后面在实际工作中再深入学习，但实际都是Power Query功能的运用了。