如何解决尝试使用 Camelot 提取表时出现 PdfReadError
我正在使用 Python 从一些 pdf 文档中提取数据表。
我安装了“camelot”,它对大多数文件都表现出色。
PdfReadError:无法在字节 0x18f6e9 处的流后找到“endstream”标记
我使用的代码示例如下:
import camelot
link='C:\Users\my_name\my_data\my_pdf.pdf'
tables=camelot.read_pdf(link,pages='5')
#...then do stuff with 'tables' from page 5 in pandas dataframes...
已执行的故障排除:
我尝试使用“PDFminer”从在 Camelot 中工作的 pdf 和那些引发上述错误的 pdf 中的相同页面中提取数据。使用 PDFminer 为所有 pdf 提取文本没有问题。这可能是一种解决方法,但 Camelot 更简单,因为它只是直接为您提供表格。
有效文件和无效文件的区别: 表格中不起作用的行似乎有指向文档其他部分的超链接。不确定这是否会干扰,但我怀疑是因为它是“好”和“坏”文件之间的主要区别。
谢谢
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。