表格可以与合并列一起引导吗？

Question

最近我从事表格提取工作，特别是 stream 表格。在this 的一个帖子中，我看到tabula 很好地实现了这种提取。 例如，当比较“budget.pdf”中的tabula 与camelot 时，在提取Tabula 中合并了最后两列。使用.split(' ', expand = True)可以固定，然后使用combine、join或merge制作原始pdf表格。

我注意到当列之间的间隙如此接近时，它们会合并为一个。在我试图实现的目标中，这是非常普遍的。我不知道我的解决方案有多好，因为在我在数据框中间处理的一些示例中，列被合并，我必须对整个数据框的列进行排序。

我想知道 Tabula 是否有超参数调整来处理这个问题，例如 PDFMiner，您可以在其中管理值之间的距离...

Answer 1

这里是 Tabula 的维护者。

您可以尝试指定列边界的水平坐标。此参数在read_pdf 方法的columns= 关键字参数中的tabula-py 中公开。