python - 从 PDF 文档中删除空格

Question

我正在使用 Camelot-py 从几个 PDF 中读取和提取属性。我使用 table_areas 来提取一些属性，并且由于某些表单之间的 X 或 Y 坐标的偏差，我在设置正确的区域时遇到了困难。一些表格（示例 1）在顶部有最少的空格，而其他表格（示例 2）有更多的空格。这将 y 坐标移动了大约 10-15

样品 1

样品 2

有没有办法在运行时裁剪或统一它们？

Answer 1

对于此功能，您可以使用pdfCropMargins 裁剪PDF 文件的边距。它被实现为一个命令行应用程序，从 Python 调用它：

import subprocess

filename = "test.pdf"

cmd = f"pdf-crop-margins -v -s -u {filename}"

proc = subprocess.Popen(cmd.split())
proc.wait()

从文档中：

该命令打印详细输出，强制所有页面大小相同（-s），然后将每个页面裁剪相同数量（-u）以获得统一的外观，保留默认的 10% 边距。

Answer 2

我认为解决方案是使用参数 table_regions，如Find PDF Dimensions with Camelot中所述。

阅读有关 table_regions 的更多信息：https ://camelot-py.readthedocs.io/en/master/user/advanced.html#specify-table-regions