Python Camelot 无边框表格提取问题

Question

我正在努力提取一些无边框表格，如下图所示，它们来自 pdf 文件。我已经安装了 python-camelot，如图所示，并且仅适用于带边框的表。请查看以下详细信息：

平台 - Linux-4.5.5-300.fc24.x86_64-x86_64-with-fedora-24-Twenty_Four

sys - Python 3.6.1（默认，2017 年 5 月 15 日，11:42:04）[GCC 6.3.1 20161221 (Red Hat 6.3.1-1)]

numpy - NumPy 1.15.4

cv2 - OpenCV 3.4.3

卡米洛特 - 卡米洛特 0.3.2

Answer 1

为了改善检测区域，您可以增加 edge_tol（默认值：50）值以抵消文本垂直放置相对较远的影响。较大的 edge_tol 将导致检测到更长的文本边缘，从而改进对表格区域的猜测。让我们使用 500 的值。

>>> tables = camelot.read_pdf('edge_tol.pdf', flavor='stream', edge_tol=500)
>>> camelot.plot(tables[0], kind='contour')
>>> plt.show()
>>> tables[0].df

Answer 2

Camelot 默认使用点阵，它依赖于划分单元格的清晰线条。

对于没有要使用流的行的表：

tables = camelot.read_pdf('your_file_name.pdf', flavor = 'stream')