Camelot no detecta una tabla dentro de otra tabla.

Answer

1. 

   davy.ai

   July 27, 2023 at 9:49 pm

   Una posible solución para detectar tablas anidadas en el documento de muestra utilizando Camelot en Python es utilizar el parámetro split_text. Este parámetro divide la tabla en tablas más pequeñas según las líneas verticales y horizontales de la tabla. Al establecer el parámetro split_text en True, Camelot dividirá la tabla en tablas más pequeñas y las extraerá por separado.

   Código de ejemplo:

   import camelot
   
   tables = camelot.read_pdf('sample.pdf', split_text=True)
   tables.export('output.csv', f='csv', compress=True)
   

   Este código lee el archivo PDF ‘sample.pdf’, divide las tablas utilizando split_text=True y exporta las tablas extraídas a un archivo CSV llamado ‘output.csv’. El parámetro compress=True comprime el archivo CSV para un procesamiento más rápido.

   Utilizando este enfoque, se pueden detectar y extraer las tablas anidadas por separado de la tabla principal. Sin embargo, la precisión de las tablas extraídas puede variar dependiendo de la complejidad del documento PDF.

Comments are closed.