Python camelot 库的无边界 pdf 提取到 json 无法正常工作

Question

谁能给我快速回答/帮助 因为我们在使用 python camelot 将 pdf 提取到 json 后面临一些问题，所以没有给出确切的内容。提取后部分内容丢失。

Answer 1

我尝试了以下代码：

import camelot

pdf_path = '/YOUR/FILEPATH.pdf'
tables = camelot.read_pdf(pdf_path, flavor='stream')

这里有两个问题：

• headers 字体未正确读取，因此您会发现奇怪的字符，例如 (cid:71)...
• 使用flavor='lattice'，未检测到该表。使用flavor='stream'，可以检测到表格，但无法正确检测到单元格。

目前，我认为 Camelot 无法正确提取此表。 他们正在努力解决第二个问题（参见this 和this）。