问题描述
最近我一直在进行表提取，特别是使用 stream 表。在this的一篇文章中，我看到了表格可以很好地实现这种提取。
例如，当比较“ budget.pdf”中的tabula与camelot时，抽取中的Tabula会合并最后两列。可以固定使用.split(' ',expand = True)，然后使用combine，join或merge制作原始pdf表。
我注意到，当两列之间的距离非常近时，它们将合并为一个。在我试图实现的目标中，这很常见。我不知道我的解决方案有多好，因为在我在数据框中间工作的某些示例中，列被合并，并且我必须对整个数据框的列进行排序。
我想知道Tabula是否可以进行超参数调整，例如PDFminer，您可以在其中管理值之间的距离...
解决方法
Tabula的维护者。
您可以尝试指定列边界的水平坐标。此参数显示在tabula-py方法的columns=关键字参数的read_pdf中。