如何强制pdfplumber根据上面行的列数提取表格？

Question

我正在尝试用python包pdfplumber从PDF文档中提取一个表。该表有四列和多行。第一行是标题，第二行只有一个合并的单元格，然后值被正常保存(例如) pdfplumber能够检索表格，但如果有四列，它会生成6列，并根据列保存值。

Table as shown in PDF document

​

我尝试使用不同的表格设置，包括“垂直策略”：“线”，但这产生了相同的结果。

# Python 2.7.16   
import pandas as pd
import pdfplumber

path = 'file_path'
pdf = pdfplumber.open(path) 
first_page = pdf.pages[7]
df5 = pd.DataFrame(first_page.extract_table())

获取6列，而不是4列，值在错误的列中。输出示例：

Table as output in jupyter notebooks

如果有人有任何建议，我将很高兴听到解决方案。

Answer 1

你得到我想要替换\n列中的文本的答案了吗？

Answer 2

这并不是您想要的结果，但是您可以将op加载到一个dataframe中，并使用第一行中的非null值作为另一个dataframe的列名对其进行迭代。之后，您可以简单地整理输出数据框中2个列名列之间的所有数据，并在合并这些单元格后将其插入到新的数据框中。