时间戳

首页 > 解决方案 > 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？

python - 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？

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 是建立在 pdfminer 之上的，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。 在此处输入图像描述

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。

标签： pythonpython-camelot

解决方案

如果您的 PDF 表格中的线条比单元格更亮，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

推荐阅读