当 Lattice 设置为 True 时，Tabula py 不会读取每行交替颜色的 PDF 的所有行

Question

我正在尝试从附加的PDF提取所有行。

这是我使用的代码：

def parse_latticepdf_pages(pdf):
    pages = read_pdf(
        pdf,
        pages = "all",
        guess = False,
        lattice = True,
        silent = True,
        area = [43, 5, 568, 774], 
        pandas_options = {'header': None}
    )
       
    return pd.concat(pages)

parse_latticepdf_pages(pdf = "file.pdf")

输出仅显示灰色背景颜色的行。伊特不会显示白色背景颜色的行。无论行所含有什么颜色，我如何获得所有行？

注意：最初，我尝试使用 stream = true ，但这引起了其他问题，其中每行出现为单独的行，并且不可能根据需要将行分组。因此，我设置了lattice = true。同样，启用和不启用 protie_tables 返回相同的问题。

我将感谢任何帮助。谢谢你！

Answer 1

我最终设法解决了这个问题。对于这种特定的PDF格式，最好使用其他Python软件包，例如 pymupdf 。我在Stackoverflow的另一篇文章上发布了类似的问题。我在这里发布链接。希望这可以帮助其他人努力寻找与本文中提到的问题相似的问题的解决方案。

Answer 2

不确定发生了什么，但是确认它可与 protive_tables = false 选项一起使用，如下所示：

In [41]: tabula.read_pdf(fname, pages=1, lattice=True, area = [43, 5, 568, 774], multiple_tables=False)
Out[41]:
[  Issued Date      Permit No.  ...                                       Proposed Use       Valuation
 0    4/1/2019  P025361-032119  ...  New office and restroom addition to existing\r...      $45,000.00
 1   4/12/2019  P025502-041219  ...  Isolate chapel from fire damaged area 4000 sq....       $1,000.00
 2   4/12/2019  P025487-041019  ...  Interior finish-out for new meat market 2500\r...      $35,000.00
 3   4/15/2019  P025520-041519  ...       New 8-unit apartment building 10,800 sq. ft.     $350,000.00
 4   4/25/2019  P025101-020719  ...                New Five Story Hotel 93,501 sq. ft.  $12,327,000.00
 5    4/9/2019  P025475-040919  ...                 Mobile Home Placement 1216 sq. ft.       $1,250.00
 6    4/9/2019  P025477-040919  ...                 Mobile Home Placement 1216 sq. ft.       $1,250.00
 7    4/9/2019  P025479-040919  ...                 Mobile Home Placement 1216 sq. ft.       $1,250.00
 8    4/8/2019  P025459-040519  ...                                   Build a carport.       $1,000.00

 [9 rows x 7 columns]]

它可能会导致 page =“ all” 的另一个问题。