我正在使用 python 库 Camelot 来解析多个 PDF 并提取这些 PDF 文件中的所有表。第一行代码以列表格式返回从 pdf 中抓取的所有表格。我正在寻找一个特别是其中包含唯一字符串的表。谢天谢地，这个字符串是这个表唯一的，所以理论上我可以用它来隔离我想要抓取的表。

这些 pdf 或多或少是以相同的格式创建的，但是有足够的差异，我不能只在我想要的表上进行静态调用。例如，有时我想要的表会是第一个被刮掉的表，有时会是第三个。因此，我需要编写一些代码才能动态选择表格。

我脑海中的工作流程逻辑上是这样的：

在 for 循环之前创建一个空列表以将表附加到。调用 for 循环并遍历 Camelot 代码输出的列表中的每个表。如果表中没有我要查找的字符串，请删除该表中的所有数据，然后将空数据框附加到空列表中。如果它确实有我要查找的字符串，请将其附加到空列表而不删除任何内容。

有没有更好的方法来解决这个问题？我确定可能有。

我已经把我到目前为止放在一起的东西放在我的代码中。如果字符串存在，我正在努力组合一个条件语句来删除数据帧的所有行。如果字符串存在，我发现了很多删除列和行的例子，但整个数据框没有

我正在自学python中线程的基础知识并且被卡住了。我希望脚本将函数应用于 pdf 列表。这个函数只是简单地计算每个 pdf 文件中的表格数量，然后返回每个文件有多少表格的组合列表。

现在，我收到一条错误消息，指出我的“文件格式不受支持”。据我所知，列表中的每个路径都是以 .pdf 结尾的完整路径。我不知道我做错了什么？

我已将代码精简到重点，并在下面包含了我的代码

任何帮助将不胜感激。如果我能澄清任何事情，请告诉我

编辑：在文件名前面使用 r 时的回溯

在文件路径中不使用 rs 时的回溯

Camelot 将某些行视为单独的，而实际上它们并非如此。结果是应该属于前一行的行。

我正在与 Camelot 合作从银行对账单中提取数据。问题是 Camelot 将某些行视为单独的，而实际上它们并非如此。? 正如您在所附图片中看到的，2019 年 1 月 9 日的交易被分成 3 行，而实际上它只有一行。当描述超过一行时会发生这种情况（附上原始声明）。

我尝试优化 row_tol 和 col_tol 没有成功。Camelot 有什么解决方案吗？如果没有，PANDAS 中的快速修复方法是什么？

我有一个要导出到 excel 的变量列表。但是，我在创建for循环时遇到了问题。它似乎使用变量名的实际值而不是变量名，这是有道理的。我也试图通过变量的名称来命名 excel 文件，我认为我可以str(factor)在for循环中实现。

形式的可变因素

感谢您的帮助。

我正在尝试使用 Camelot 从 pdf 中提取表格数据。使用参数“table_regions”时，我得到并错误“解包的值太多（预期为 4）”

导致：

我已经使用 获得了表格边界框的坐标Camelot，但我需要使用它tabula-py来提取表格数据，因为 camelot 仅提取每个表格单元格中的第一行，即使在格子模式下也是如此。我注意到，在 tabula-py 中定义相同的表格区域时，结果坐标中的 2 个与 camelot 值有很大不同（如下面的代码示例所示）。虽然 tabula 中的第 2 和第 4 值与 camelot 中的第 1 和第 3 值相似，但其他值有很大不同，请问如何从 camelot 值中翻译这些读数？我一直在尝试使用比例，并添加和减去值，但一切都是徒劳的......

但来自 bbox 的 camelot 坐标值为：631、518、1154、765

它只阅读第一页。有人请帮帮我

我已经尝试了所有可能的选择。请帮忙

在 python 中运行 tabula 的 read_pdf() 时出现以下错误。错误是

运行时tabula.environment_info()

我得到以下信息：

我已经尝试保留我的程序文件，即我在桌面上编写了上面称为 untitled0.py 的代码的位置，以及我试图在桌面上处理的文本文件。我从 Stackoverflow 中看到无数选项，例如获取 Java 7 而不是 Java 8 将解决我的问题，升级 tabula 包（我发现它已经是最新版本）并且我的 Java 也已更新。有人在另一篇文章的评论中说将代码和pdf保存在我所做的同一目录中，但无济于事。上面的错误信息不断出现。

错误信息：

预期结果：我应该能够解析多个表格，或者我应该说从我作为输入提供的 pdf 文档中提取多个表格

更新： 也运行如下所示：https ://github.com/chezou/tabula-py/issues/93没有任何好处。请参阅下面的错误..

更新：

我下载的文件来源是： https ://arxiv.org/pdf/1409.3215.pdf

更新 我还检查了此处发布的解决方案，但不太明白他们建议的解决方案：

https://github.com/chezou/tabula-py/issues/60

更新

我已经放弃了对白板的希望。我改为使用 camelot..好多了。

我正在尝试解析一些 pdf 文件以提取一些关键信息。每个 pdf 中有许多表包含这些信息的一部分。所以我尝试使用 camelot 来提取表格，我得到了很好的结果，但我想提取每个表格的标题，因为我想为每个表格及其标题做一个映射。谁能告诉我如何使用python从pdf中提取表格的标题？

我正在尝试解析一些 pdf 文件以提取一些关键信息。每个 pdf 中有许多表包含这些信息的一部分。所以我尝试使用 camelot 来提取表格，我得到了很好的结果，但我想提取每个表格的标题，因为我想为每个表格及其标题做一个映射。所以我尝试使用获取每个表格的坐标，tables[i]._bbox然后在这些坐标上添加一些边距以检测表格标题的区域（它可以在表格的顶部、左侧或底部），如图所示在图像中：左侧表格的标题

顶部表格的标题

谁能告诉我如何使用python根据表格坐标从pdf中获取包含表格标题的红色区域的坐标？