pdf - 从 PDF 中提取表格数据

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

6年前关闭。




Improve this question




是否有任何一致的方法可以从 PDF 文件中提取表格？有什么工具吗？

到目前为止我做了什么:

我试过了 pdftotext工具。它有一个选项可以转换为 HTML 布局。

这有什么问题:

HTML 输出中不保留表格信息

我期待 <table>标签，但一切都在 <p> 下标签。

PDF 文档中是否会有任何标记来指示表格结构？赞 <table> , <tr>和 <td>在 HTML 中？

如果"is"，任何指向此的指针都会有所帮助。如果“否”，有关此事实的明确信息也很有帮助。

Answer 1

如果 PDF 文档缺少将内容标记为表格、行、单元格等(称为标签)的信息，则没有一致的方法可以从 PDF 文档中提取表格。大多数情况下，PDF 文档不包含这些标签。这些标签通常用于使 PDF 易于访问，以便例如可以大声朗读。 PDF 不需要这些标签才有效。