小编Nir*_*mar的帖子

我在我的项目中添加了一些功能,需要4个git提交,现在业务部门要求不再需要这些功能(超过一个月后).所以我需要从我的repo中删除那些特定的git commit(s),之后现在还有27次提交.

我需要从 pdf 中提取表格，这些表格可以是任何类型、多个标题、垂直标题、水平标题等。

我已经实现了两者的基本用例，发现 tabula 比 Camelot 做得更好，但仍然无法完美地检测所有表，我不确定它是否适用于所有类型。

因此，向实施过类似用例的专家寻求建议。

示例 PDF：PDF1 PDF2 PDF3

表格实现：

import tabula
tab = tabula.read_pdf('pdfs/PDF1.pdf', pages='all')
for t in tab:
    print(t, "\n=========================\n")

Camelot 实现：

import camelot
tables = camelot.read_pdf('pdfs/PDF1.pdf', pages='all', split_text=True)
tables
for tabs in tables:
    print(tabs.df, "\n=================================\n")

下面是我为替换&!)(}{][^"~*?:;\+-字符串中的特殊字符而编写的正则表达式，但不知何故它无法替换[&]因为它充当正则表达式的开始和结束。我怎样才能做到这一点？

System.out.println(" &!)(}{][^\"~*?:;\\+-".replaceAll("[| |&|!|)|(|}|{|^|\"|~|*|?|:|;|\\\\|+|-]", "_"));
}

现在的输出： _______][__________