Python-Camelot提取空表

Question

我正在使用Camelot通过以下命令提取PDF的多个部分。

cgl_section = camelot.read_pdf(filename, flavor='stream', 
              table_areas=['35,490,155,483', '53,480,110,470', '117,480,155,470', 
                           '38,469,106,456', '39,454,105,445', '38,430,155,420', 
                           '38,418,77, 410'])

当PDF实际上包含这些区域中的数据时，这种方法运行得很好。但我并不期望在每个解析的PDF中都有数据，有些数据返回为空。当返回的数据不是表，并且只有一列时，我会得到以下错误。

UserWarning: No tables found in table area 1

和

ValueError: min() arg is an empty sequence

我需要一种方法来提取所有PDF中的这些特定区域，但忽略之后的空区域。需要能够以有序的方式使用提取的数据。

也可以接受任何其他建议

提亚

Answer 1

也许选项table_regions (在0.7中引入)可以帮助您。

https://camelot-py.readthedocs.io/en/master/user/advanced.html#specify-table-regions

When table_regions is specified, Camelot will only analyze the specified regions to look for tables.

Answer 2

我也有同样的问题！这不是一个完美的解决方案，但我相信您可以通过将可能导致空表的特定table_area调用分离到它自己的pdf_read调用中来解决这个问题。这样，您就可以按照上面的建议进行操作，只需用try_catch块围绕pdf_read即可。这会给你带来你想要的健壮性。