我遇到了一项任务，该任务要求我从 pdf 文件中的图像中提取表格数据，以通过 python 代码整齐地格式化数据帧。有几个文件要处理，所有文件中的相关页面可能有不同的页码，因此这个问题的步骤顺序（我的假设）是：
一些谷歌搜索导致我找到了用于 pdf 文本提取、表格提取等的库 - 仅限模块化解决方案。
我将不胜感激在这方面的一些帮助。我应该使用哪些软件包？我的方法正确吗？对于类似问题，我可以获得任何有用的代码片段的参考吗？
这始于评论。我相信答案是有效的，因为它绝不是对服务的认可。我什至不使用它。我知道 Azure 也使用 SO。
这是商业服务的东西。您可以尝试 Azure 表单识别器（我不隶属于它）：
https://docs.microsoft.com/en-us/azure/applied-ai-services/form-recognizer
以下是一些如何使用它的python示例：
AWS 等价物是 Textract https://aws.amazon.com/textract
Google Cloud 版本称为 Form Parser - 请参阅https://cloud.google.com/document-ai/docs/processors-list#processor_form-parser
