【发布时间】：2020-09-17 02:38:56
【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 camelot 和 tabula ，但是它们都无法准确地获取数据。这些表格有一些合并的单元格，包含多行信息的单元格等，所以这两个库都会混淆。有没有解决这个问题的好方法？
【问题讨论】：
【发布时间】：2020-09-17 02:38:56
【问题描述】：
如果是这样的话，PDF 中编码的表格的底层结构可能有问题。
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中提取列数据。 github.com/cseas/ocr-table 似乎有效。查看input.pdf 和output.txt 看看它是否适合您的情况。
【讨论】：