Tabula-py不能识别正确的列

Question

我正在尝试使用表格来识别pdf文档。我使用以下代码：

df = tabula.read_pdf(io.BytesIO(content)，pages=12，pandas_options={'header'：None}，multiple_tables = True，columns=(78.39,226.97,280.97,370.04,461.02,550.06))

但是，在识别之后，前两列是单列。我试着改变列的坐标，但是没有用。

此外，我尝试使用guess=False，但它也没有帮助。

我想知道有没有人能帮我解决这个问题？非常感谢

Answer 1

使用SumatraPDF阅读器打开PDF。按‘m’激活左上角的测量显示。然后将光标放在表格的左上角和右下角，获取坐标，如下所示：

​

​

右下角：

​

​

1. 运行命令:

java -jar tabula-1.0.2-jar-with-dependencies.jar -p 2 -a 164,20,390,771 "myPdf.pdf" -o outfile.csv

注意: a)选项‘p’表示页码

b)选项‘a’具有表格面积(顶部、左侧、底部、右侧)-从SumatraPDF阅读器获取的坐标。

c) "DEMO USE ONLY Create_Opp_1822018_111526_AM - signed.pdf“是pdf格式的

d)选项‘o’指定要保存到的文件名。如果此文件存在，请在运行tabula命令之前将其删除。

这将创建csv