tabula-py 不读取文件的完整数据

问题描述

我试图使用 tabula read_pdf() 方法从 PDF 文件中读取表格。但它不是阅读完整的表格。它在表的某些行中丢失了。 我正在尝试下面给出的代码：

tables = tabula.read_pdf(f,stream=True,pages="all",silent=False,multiple_tables=True,password=pas,pandas_options={'header': None}
                        )
df = pd.DataFrame()
df = pd.concat([c for c in tables]).drop_duplicates()
df = df.replace(r'^\s*$',np.nan,regex=True)
df = df[df.isnull().sum(axis=1) < df.shape[1] - 2].reset_index(drop=True)

这是运行上述代码时的输出：

| XNS Date   | Narration | Withdrawl | Credits |
|------------|-----------|-----------|---------|
| 01/04/2018 | IMPS 1234 | 2200      |         |
| 02/04/2018 | NEFT 4567 |           | 4500    |
| 03/04/2018 | RTGS 2234 |           | 5500    |

以及来自 PDF 文件的实际数据

| XNS Date   | Narration | Withdrawl | Credits |
|------------|-----------|-----------|---------|
| 30/03/2018 | NEFT 445  |           | 1200    |
| 31/03/2018 | RTGS 556  |           | 2000    |
| 01/04/2018 | IMPS 1234 | 2200      |         |
| 02/04/2018 | NEFT 4567 |           | 4500    |
| 03/04/2018 | RTGS 2234 |           | 5500    |
| 04/04/2018 | POS       | 1500      |         |

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）