如何使用Python从pdf表中提取数据？

问题描述

我需要使用Python从多个PDF的表中提取数据。我已经测试了骆驼和表格，但是它们都不能够准确地获取数据。表格中包含一些合并的单元格，具有多行信息的单元格等，因此这两个库都变得混乱。有没有解决此问题的好方法？

解决方法

在这种情况下，PDF编码表的基础结构可能有问题。

您可以使用OCR，并进行一些字符串/正则表达式操作以从每一行提取列数据。 github.com/cseas/ocr-table似乎有效。请查看input.pdf和output.txt，以了解它是否适​​合您的情况。