问题标签 [python-camelot]

我正在尝试使用 Camelot 解析 PDF 中的表格。单元格中有多行文本，有些单元格有一个空行分隔部分文本：

我希望这被解析为First line\nSecond line\n\nThird line（注意双换行符），但我得到了这个：T\nFirst line\nSecond line\nhird line. 双换行符后的第一个字符移动到文本的开头，而我只得到一个换行符。

我也尝试使用制表符，但是当表中有一个空行时，它会弄乱整个表（实际上是数据框），并且在某些单词的情况下，它会在字符之间放置一个空格。

编辑：

我的主要问题是删除多个换行符。如果我知道空行在哪里，我可以从代码中修复另一个。

我正在使用 Camelot 从 pdf 中提取文本。pdf 还包含 Camelot 为其打印Cid的中文字符。例如（cid:3634）

我想去掉那些 CID，因为汉字对我没有影响。

我试过这个：

但只删除 CID 帧而不是其中的数字。

请在此处查看示例输出图像 请帮助。

我有带有表格的 PDF 和与表格内容相关的图像图。表格和图像都在一个页面上。

我已经使用 Camelot 库提取了表格。还有使用 Fitz 库的图像。使用 Python

现在我想将这些图像（.png）上传到任何可能的云服务，并将相应图像的 Web 链接提供到相应表的 Dataframe。

请帮忙。

这就是单页 PDF 的外观。

我正在使用 Camelot 和 tabula 来解析带有西里尔符号的 pdf 文件。但是在输出的 CSV 文件中，我得到了没有俄语符号的混乱字体。

什么可以帮助我解析非英语语言的 pdf 表？

输出： 0055529-1295-06-UT。 ГЧЧ45

面临以下问题：有人可以帮忙吗？请..

尝试从 PDF 中提取表格数据时获取以下内容。

我正在使用图书馆 camelot 来阅读 PDF 和提取表格。对于大多数 PDF，它可以完美运行。但对于其他 PDF，文本会被翻转。

有谁知道是什么原因造成的以及如何解决它？

这是 PDF 的链接：https ://drive.google.com/file/d/1Br34gJlx_7VUBmTYCTKXy1502qls44i7/view?usp=sharing

注意：PDF 是希伯来语，应该翻转，但它只发生在这种 PDF 中，还要注意英语和数字也被翻转了，例如HSITIRB应该是BRITISH

我遇到了一个错误，超出了我的调试能力。Camelot 对 Ghostscript 的使用似乎找到了错误架构的可执行文件。

采取的步骤：

1. brew install Ghostscript
2. 检查是否可以找到 Ghostscript 的可执行文件，根据文档，它不能。
3. 添加/opt/homebrew/bin到/opt/homebrew/lib适当的路径（我认为？）
4. 根据 Camelot 的 GitHub 上错误 #282 的解决方法，我更改了camelot/camelot/ext/ghostscript/_gsprint.py Line 256

libgs = ctypes.util.find_library("gs") 至 libgs = distutils.spawn.find_executable("gs")

5. 使用新的（以上）代码再次检查依赖项。成功。/opt/homebrew/bin/gs
6. python3.9 -m pip install camelot-py
7. 尝试使用 Ghostscript 运行 Camelot。错误如下图。

我应该注意，gsin 位置/opt/homebrew/bin/gs似乎是一个别名，不确定这是否重要，但它有理由抛出异常。但是，接下来的两个“发现”在错误中传达，据我所知/opt/homebrew/bin/gs，它们都是正确的可执行文件。/opt/homebrew/Cellar/ghostscript/9.53.3_1/bin/gs

常识告诉我，如果我使用的是 Windows，我会遇到 64 位与 32 位的问题……但我使用的是我不熟悉的 MacOS。

MacOS -- Apple Silicon M1 -- Python 3.9 -- brew 安装 Ghostscript -- pip 安装 camelot-py -- 通过 Jupiter notebook 尝试

编辑——还应注意 Python 2.7 是 MacBook 附带的基本安装，它建议不要将其删除。which python或者python -- version返回 2.7 版本，而不是我运行的 3.9 版本。

我正在使用 camelot 从 pdf 文档中提取表格。该表具有日期、描述、贷方、借方和余额字段。描述字段有时有很长的行，延伸到下一行。如果我使用 camelot，它会打印如下所示的行：

我希望表格以这样一种方式出现，即“描述”字段下的行如果延伸到下一行，则组合成一行，例如：

这是我的代码：

我如何实现这一目标？

使用 camelot 读取 PDF 表时，一些列被连接起来，它们的值也如下所示

我的输出应该如下所示

我希望根据换行符分隔列和值。

您使用以下 df 进行实验创建

数据 = [['12/12/2019', '45333\n34343','7899\nscrewio','89\n0.00','3443.12\n231232.00\n456'], ['12/12/2019 ', '232\n3434','7845\nnuts','78\n0.00','34.12\n232.00\455'] ]

df33 = pd.DataFrame(data, columns = ['Date', 'Facture-ref\nfactureid','Description\nitems','Payé\nEscompte','Déboursé\nPaiement\nnet'])

简而言之，我正在执行此步骤。

我tables[0].df.columns用来从提取的表中获取列名。

但它没有给出列名。