如何使用PDFPL将表的详细信息提取到行和列中

Question

我使用pdfplumber从pdf中提取表格。但是使用中的表没有分隔内容的可见垂直线，因此提取的数据分为3行和一个巨大的列

我想把上表分成13行

import pdfplumber
import pandas as pd
import numpy as np
with pdfplumber.open('test.pdf') as pdf:
    page = pdf.pages[0]
    tables = page.extract_tables()

print(tables)

从文档中，我无法理解是否有我可以应用的特定表格设置。我试了一些，但没用

Answer 1

请在使用extract_tables()选项时添加以下设置（这可能需要根据您的输入文件进行更改）：

import pdfplumber
import pandas as pd
import numpy as np

with pdfplumber.open(r'document.pdf') as pdf:
    page = pdf.pages[0]    
    table = page.extract_table(table_settings={"vertical_strategy": "lines", 
                                               "horizontal_strategy": "text", 
                                               "snap_tolerance": 4,})
    
    df = pd.DataFrame(table, columns=table[0]).T

此外，请阅读pdfplumber文档（提取表）部分，因为有许多选项可包含在基于输入文件的代码中：

https://github.com/jsvine/pdfplumber#extracting-tables