Tabula Python 包：读取带有单行的 pdf

如何解决Tabula Python 包：读取带有单行的 pdf

使用 python 的 tabula 包，我试图从多个 pdf 文件中提取表格。这对于多行表格非常有效，但是，某些 pdf 文件的表格只有一行。尝试转换这些 pdf 时，它返回一个空列表。这些文件有问题是有道理的，因为单行表格本质上只是另一行文本。

然而，重要的是这些 pdf 也被转换为数据帧，因为它们在我的数据集中出现相当频繁。不幸的是，pdf 文件是专有的，所以我不能在这里展示它们。我希望这个限制不会阻止找到解决方案。下面是执行转换的代码行。

df = tabula.read_pdf(DIRECTORY + file_name,pages = 'all',pandas_options={'header': None},encoding="utf-8")

我尝试通过多种方式解决此问题。首先，我尝试在源代码的原始 pdf 文件中插入额外的一行，不幸的是，这是不可能的。我尝试使用 tabula-py 网站 (https://tabula-py.readthedocs.io/en/latest/faq.html#i-got-a-empty-dataframe-how-can-i-resolve-it) 上的提示：

1. 设置特定区域以进行准确的桌子检测。
2. 对于具有显式线条的表格，尝试lattice = True 选项。
3. 尝试流 = True 选项

按照第一个提示，我尝试使用在 Adob​​e 中进行的测量来指定一个区域。这仍然返回一个空的 DataFrame。我尝试了第二个和第三个技巧，这再次返回了一个空列表。

所以我的问题是：“有没有办法让 tabula-py 包识别 pdf 中只有一行的表格？”

我希望有人知道如何解决这个问题。预先感谢您的努力。