Skip to main content
 首页 » 编程设计

python之从 PDF 中提取带有不可见线条的表格

2024年12月31日26kerrycode

<分区>

问题陈述:

我有一个 PDF,其结构类似于表格,但线条不可见。请在下面找到示例:

上图是我的表格在其中一个 PDF 页面中的样子。

我的研究

  1. How to extract table as text from the PDF using Python? - 完成了这个问题并看到了所有答案。没有帮助

  2. Tabula:尝试过 tabula API,但它只提取标题而不提取文本,可能是因为没有行。

  3. 我可以将整个 pdf 转换为文本,然后尝试使用正则表达式或数据操作以某种方式提取它。但这可能非常乏味且耗时。此外,随着 PDF 的更改,整个编码必须重新完成。

询问

他们是否有任何 API 或 Python 包可以帮助我做到这一点(Windows 和 Python 3.x)?