问题描述
我想从多页 pdf 中提取表格。由于表属性,我需要使用 flavor='stream'
和 table_areas
属性来 read_pdf
才能正确检测我的表。我的问题是每一页表的位置都不一样(第一页有地址头,另一页没有)
我尝试为 read_pdf
函数提供多个区域,例如:
camelot.read_pdf(file,pages='all',flavor='stream',table_areas=['60,740,580,50','60,470,50'])
但是这个结果是每页有 2 个表格。如何分别为每个页面指定 table_areas?
我也尝试使用不同的 read_pdf
/pages
多次运行 table_areas
,但是我无法将多个结果附加在一起以获得单个对象:
tables = camelot.read_pdf(file,pages='1',50'])
tables.append(camelot.read_pdf(file,pages='2-end',50']))
给出错误,因为 append 不是结果 tables
有没有办法将多次调用 read_pdf
函数的结果连接起来?
解决方法
实际上,正如您所注意到的,您不能直接向 TableList 对象添加项目。
相反,您可以通过以下方式操作 TableList _tables 属性(_tables 是一个列表):
my_tables = camelot.read_pdf(file,pages='1',flavor='stream',table_areas=['60,470,580,50'])
my_tables._tables.append(camelot.read_pdf(file,pages='2-end',740,50']))
现在 my_tables 应该包含两个表。