Python-Camelot 提取空表答案

【问题标题】：Python-Camelot extracting empty tablesPython-Camelot 提取空表
【发布时间】：2019-05-28 23:25:04
【问题描述】：

我正在使用 Camelot 通过以下命令提取 PDF 的多个部分。

cgl_section = camelot.read_pdf(filename, flavor='stream', 
              table_areas=['35,490,155,483', '53,480,110,470', '117,480,155,470', 
                           '38,469,106,456', '39,454,105,445', '38,430,155,420', 
                           '38,418,77, 410'])

当 PDF 实际包含这些区域中的数据时，它运行良好。但我不希望在每个解析的 PDF 中都有数据，有些返回的是空的。当返回的数据不是表格并且只有一列时，我收到以下错误。

UserWarning: No tables found in table area 1

和

ValueError: min() arg is an empty sequence

我需要一种方法来提取所有 PDF 中的这些特定区域，但之后忽略空白区域。需要能够有序地使用提取的数据。

也欢迎任何其他建议

TIA

【问题讨论】：

你能把上面的代码加到try块exception，我不知道camelot。
Try 块仍会尝试运行该命令，并且会在一个或多个表中遇到错误并完全放弃该命令。我需要能够提取任何可用的数据，而不会出现空表出错。

标签： python pandas dataframe pdf-extraction python-camelot

【解决方案1】：

也许选项 table_regions（在 0.7 中引入）可以帮助您。

https://camelot-py.readthedocs.io/en/master/user/advanced.html#specify-table-regions

When table_regions is specified, Camelot will only analyze the specified regions to look for tables.

【讨论】：

【解决方案2】：

我也有同样的问题！这不是一个完美的解决方案，但我相信您可以通过将可能导致空表的特定table_area 调用分离到它自己的pdf_read 调用中来解决这个问题。这样做，您可以按照上面的建议进行操作，只需用 try_catch 块包围 pdf_read。这将为您提供所需的稳健性。

【讨论】：