尝试使用 Camelot 提取表时出现 PdfReadError

问题描述

我正在使用 Python 从一些 pdf 文档中提取数据表。

我安装了“camelot”，它对大多数文件都表现出色。

但是，对于某些文件，我收到错误：

PdfReadError：无法在字节 0x18f6e9 处的流后找到“endstream”标记

我使用的代码示例如下：

import camelot

link='C:\Users\my_name\my_data\my_pdf.pdf'

tables=camelot.read_pdf(link,pages='5')

#...then do stuff with 'tables' from page 5 in pandas dataframes...

已执行的故障排除：

我尝试使用“PDFminer”从在 Camelot 中工作的 pdf 和那些引发上述错误的 pdf 中的相同页面中提取数据。使用 PDFminer 为所有 pdf 提取文本没有问题。这可能是一种解决方法，但 Camelot 更简单，因为它只是直接为您提供表格。

有效文件和无效文件的区别： 表格中不起作用的行似乎有指向文档其他部分的超链接。不确定这是否会干扰，但我怀疑是因为它是“好”和“坏”文件之间的主要区别。

什么会导致此错误，我该如何解决？

谢谢

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@）