多页pdf上的不同table_areas

如何解决多页pdf上的不同table_areas

我想从多页 pdf 中提取表格。由于表属性，我需要使用 flavor='stream' 和 table_areas 属性来 read_pdf 才能正确检测我的表。我的问题是每一页表的位置都不一样（第一页有地址头，另一页没有）

我尝试为 read_pdf 函数提供多个区域，例如：

camelot.read_pdf(file,pages='all',flavor='stream',table_areas=['60,740,580,50','60,470,50'])

但是这个结果是每页有 2 个表格。如何分别为每个页面指定 table_areas？

我也尝试使用不同的 read_pdf/pages 多次运行 table_areas，但是我无法将多个结果附加在一起以获得单个对象：

tables = camelot.read_pdf(file,pages='1',50'])
tables.append(camelot.read_pdf(file,pages='2-end',50']))

给出错误，因为 append 不是结果 tables

有没有办法将多次调用 read_pdf 函数的结果连接起来？

解决方法

实际上，正如您所注意到的，您不能直接向 TableList 对象添加项目。

相反，您可以通过以下方式操作 TableList _tables 属性（_tables 是一个列表）：

my_tables = camelot.read_pdf(file,pages='1',flavor='stream',table_areas=['60,470,580,50'])
my_tables._tables.append(camelot.read_pdf(file,pages='2-end',740,50']))

现在 my_tables 应该包含两个表。