如何阻止 camelot-py 将单个单元格中的多行文本拆分为多个单元格？答案

【问题标题】：How can I stop camelot-py from splitting multi-line text in a single cell into multiple cells?如何阻止 camelot-py 将单个单元格中的多行文本拆分为多个单元格？
【发布时间】：2020-05-10 07:51:39
【问题描述】：

我正在尝试构建一个应用程序来读取任意 PDF 并从中提取表格，并且我正在使用 Camelot 来提取表格。这适用于单元格具有单行值的表格。但是，对于具有多行值的单元格的表格，Camelot 将单个单元格中的多行文本拆分为多个单元格。由于 Camelot 是在 pdfminer 之上构建的，我尝试调整布局分析参数（特别是 line_margin）以使 Camelot 不会拆分行。但是，问题仍然存在。

我可以调整哪些其他参数来处理这个问题？这是有此问题的表的示例。

我不想使用“格子”风格，因为我希望看到的大多数表格都没有分界线。

【问题讨论】：

根据我的经验，“流”风格，每一行都变成一行。
是的，该行为导致了问题。有没有办法覆盖这种行为？
@RohitGavval 运气好吗？我也有同样的问题。

标签： python python-camelot

【解决方案1】：

如果您的 PDF 表格中的线条比单元格亮，如您的示例所示，那么您可以尝试使用 process_background=True 的格子风格。

tables = camelot.read_pdf('background_lines.pdf', process_background=True)

见，https://camelot-py.readthedocs.io/en/master/user/advanced.html

【讨论】：