如何使用python-camelot获取表格坐标？

Question

我试图解析一些pdf文件，以便提取一些关键的information.There是在每个pdf中包含这些信息的一部分的表的数量。因此，我尝试使用camelot来提取表，并获得了很好的结果，但我希望提取每个表的标题，因为我希望为每个表与其标题进行映射。因此，我尝试使用tables[i]._bbox获取每个表的坐标，然后向这些坐标添加一些边距，以检测表标题的区域(它可以在表的顶部、左侧或底部)，如下图所示：title of table on the left

title of the table on the top

谁能告诉我如何使用python从pdf中获取包含table标题的红色区域的坐标？

Answer 1

您可以直接创建PDF解析器。例如，对于Lattice：

parser = Lattice(**kwargs)
for p in pages:
    t = parser.extract_tables(p, suppress_stdout=suppress_stdout,
                                          layout_kwargs=layout_kwargs)
    tables.extend(t)

然后，您可以访问包含页面中所有组件的parser.layout。这些组件都有bbox (x0, y0, x1, y1)，提取的表也有一个bbox对象。您可以找到离表格最近的组件，并提取其文本和坐标。如果您不想更改在camelot中调用表提取的方式，您可以再次解析PDF：

from camelot import utils
layout, dim = utils.get_page_layout(file_name)