python - 无法识别表

Question

import pandas as pd
from tabula import read_pdf
FileName="Filepath"
DF3=read_pdf(FileName,multiple_tables=True,options="--pages 'all'", lattice= True)
print DF3

import pandas as pd
import camelot
FileName="Filepath"
tables = camelot.read_pdf(FileName,pages='1-end')
print tables

如果表格分布在多个页面上并且水平边框被剪切，因此我无法使用表格将 PDF 文件中的表格作为数据框读取，因此它不会被识别为表格。我该如何解决这个问题？我可以仅使用垂直线检测表格吗？

也尝试了新包 camelot，但再次无法阅读该列。

我只能在示例 pdf 中检测到一个表，未检测到 2x2 表

示例 pdf 链接：https ://onedrive.live.com/?id=690704CAD1449D85%21105&cid=690704CAD1449D85

Answer 1

到目前为止，Camelot 还没有合并多页表的实现。我的建议是将表提取为数据框并手动将它们与 pd.concat 合并。

您也可以尝试使用 Tabula。