按区域坐标表格提取表格

Question

我们可以通过指定PDF文档的坐标从中提取表。对于windows用户，为了获得坐标，必须将PDF文件上传到表格网页，并导出包含坐标的脚本，然后将坐标输入到代码中。对于Mac用户，您只需使用预览应用程序和裁剪检查器。我只是想知道是否有第三方程序或插件提供给Windows用户？我认为这在以下情况下会很方便：

1. 当你没有互联网接入时。
2. 我认为预览应用程序将更准确，因为我经历了从表格网页产生的不准确的坐标。

如果有人能指点我在哪里能找到这样的东西，我将不胜感激。非常感谢。

Answer 1

表格需要以PDF格式指定区域，定义为1/72英寸。如果使用Acrobat Reader DC，则可以使用测量工具将其读数乘以72。

tabla需要将区域指定为顶部，左侧，底部和右侧距离。要获得它们，可以测量从页面的顶部到表开头的距离，依此类推。

Answer 2

我也有同样的问题，代码似乎忽略了区域标注。通过在命令行中包含“guess=False”修复了此问题。就像这样（注意我使用的是1.2.1版）：

df = tabula.read_pdf(file_folder + file_name, 
                     guess=False, pages=1, stream=True , encoding="utf-8", 
                     area = (200.8125,64.6425,352.2825,496.1025), 
                     columns = (65.3,196.86,294.96,351.81,388.21,429.77))

Answer 3

表格可以理解“点”形式的坐标数据。

在windows中，您可以使用Adobe Acrobat DC和Acrobat Reader DC测量区域坐标

如果你有AdobeAcrobat DC- “工具”>；>；“编辑PDF”>；>；“选择您的区域并按Enter键”>；>；“将单位更改为点”

Top               100       pt = A
Left              50        pt = B
Cropped page size 370 x 225 pt = C x D

如果您有Adobe Acrobat DC或Acrobat Reader DC- 编辑>；>；首选项>；>；单位>；>；将页面单位更改为点>；>；确定>；>； 工具>；>；测量

Top           = A = 100
Left          = B = 50
Areas  Width  = C = 370
Areas  Length = D = 225

你必须做这个计算

area=[A,B,A+D,B+C]
area=[100,50,100+225,50+370]

在代码中

df=read_pdf(folder,area=[[100,50,325,420]] ,output_format="xlsx")