能够读取表头，但不能读取表内容

Question

所以这就是我想要做的--非常简单。我有一个包含数据的pdf文档，我想使用python提取它。这是在我试图从固定模板中自动提取数据的情况下，需要定期读取该模板。

我正在使用tabula-py包，并使用“read_pdf”函数读取数据。问题是，它似乎只读取表的一部分--更具体地说，它只能在表头中读取。奇怪的是，如果我使用在线表格工具读取表，就不会遇到这个问题。

# Here is the python code to read table content
df = tb.read_pdf(path+name+'.pdf', encoding='latin-1', area=[416.543,25.398,434.903,582.318],spreadsheet=True,pages=2)

# Here is the tabula online tool script:
java -jar tabula-java.jar  -a 416.543,25.398,434.903,582.318 -p 2 "$1"

前者的收益率

类型为None的对象

而后者的收益是：

2018年Peterbilt Tracteur routier一些VIN编号230 000美元

在表的标题上运行相同的查询会得到所需的结果：

# Here is the python code to read table header
df = tb.read_pdf(path+name+'.pdf',encoding='latin-1',area=[397.418,24.633,417.308,583.083],spreadsheet=True,pages=2)

# Here is the tabula online tool script:
java -jar tabula-java.jar  -a 397.418,24.633,417.308,583.083 -p 2 "$1"

前者的收益率

空DataFrame栏: Item，Année，Marque，Carrosserie，No série，Valeur Index：[]

而后者则产生

物品Année Marque Carrosserie série Valeur

由于tabula只是java包的包装器，所以我认为两者的行为方式完全相同。我遗漏了什么？

Windows 10 64位

tabula-py v1.0.0

Java v8

Answer 1

愚蠢的我-随着所有的研究，我忽略了阅读表格-py文档到最后。

结果与tabula不同。或者，对于初学者来说，stream选项在默认情况下似乎不适合使用tabula-py set猜测选项True。众所周知，流选项之间存在冲突。如果你对你的结果感到奇怪，请设置guess=False。

结果可能就是发生了什么。现在一切都像一种魅力。