多页pdf上的不同table_areas

Question

我想从多页pdf中提取表格。由于表属性，我需要对read_pdf使用flavor='stream'和table_areas属性，以便正确检测我的表。我的问题是表在每个页面上的位置是不同的(第一个页面有一个地址头，而另一个页面没有)

我尝试为read_pdf函数提供几个方面，如下所示：

camelot.read_pdf(file, pages='all', flavor='stream', table_areas=['60, 740, 580, 50','60, 470, 580, 50'])

但是这个结果是每页有2个表。如何为每个页面分别指定table_areas？

我也尝试过多次使用不同的pages/table_areas运行read_pdf，但是我不能将几个结果附加在一起得到一个单独的对象：

tables = camelot.read_pdf(file, pages='1', flavor='stream', table_areas=['60, 470, 580, 50'])
tables.append(camelot.read_pdf(file, pages='2-end', flavor='stream', table_areas=['60, 740, 580, 50']))

给出一个错误，因为append不是生成tables的方法

有没有一种方法可以连接read_pdf函数的几次调用结果？

Answer 1

实际上，正如您所注意到的，不能直接将项添加到TableList对象。

相反，您可以通过以下方式操作TableList _tables属性(_tables是一个列表)：

my_tables = camelot.read_pdf(file, pages='1', flavor='stream', table_areas=['60, 470, 580, 50'])
my_tables._tables.append(camelot.read_pdf(file, pages='2-end', flavor='stream', table_areas=['60, 740, 580, 50']))

现在my_tables应该由两个表组成。