如何解决Camelot PDF 无法去除文本
当雇主名称 (EMPREGADOR) 达到两行时,就会出现问题。
我正在使用以下命令尝试正确剥离数据:
tables = camelot.read_pdf('tipo1/t1_3.pdf',pages='1',flavor='stream',edge_tol=500,strip_text='\n')
df = tables[0].df
print(df)
但结果如下:
0 1 2
0 EMPREGADOR DATA DE ADMISSÃO PIS/PASEP
1 ABC ABC ABC
2 07/01/2008 123123123
3 LTDA
4 CARTEIRA DE TRABALHO INSCRIÇÃO DO EMPREGADOR NÚMERO DA CONTA
5 123123 123123 1231231231
6 DATA DE OPÇÃO DATA E CÓDIGO DE AFASTAMENTO CATEGORIA
7 07/01/2008 30/09/2011 - N2 1
8 TIPO DE CONTA TAXA DE JUROS VALOR Para FINS RECISÓRIOS
9 OPTANTE 3.0% a.a R$ 0,00
尝试阅读文档,但没有找到任何可以帮助我正确获取雇主 (EMPREGADOR) 数据的信息(在本例中为 ABC ABC ABC LTDA)。
这是一个问题,因为雇主名称的长度可能会变化为 1、2、3 甚至更多行,从而在 DF 中造成混乱,因此难以编码。
有什么建议吗?
解决方法
正如 Stefano Fiorucci 在评论中提到的,Camelot 目前不支持所需的功能。解决方案是手动操作数据。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。