python - 如何使用表格从 PDF 中检索干净的表格？

Question

我正在尝试以 PDF 格式解析我的银行对账单。我尝试使用tabula.convert_into()首先从 PDF 中提取表格作为 csv 文件以进行进一步处理。PDF 文件中有多个页面，我打算将它们组合成一个表。

import tabula
    tabula.convert_into(sourceFile, endFile.csv,output_format="csv",pages="all",java_options="-Dfile.encoding=UTF-8")

但是，检索到的 CSV 文件非常脏： 从中可以看到不同的“余额”数字（红色下划线）不在同一列，不同的“存款”数字（以黄色突出显示）不在同一列。

它们是从 PDF 文件的不同页面检索到的，而对我来说看起来很干净，因为“余额”和“存款”数字在不同的页面上对齐，没有错位：

无论如何，我可以使用表格从 PDF 中检索干净的表格吗？我对python很陌生，非常感谢您的帮助！

标签： pythonpython-3.xtabula