Camelot PDF 无法剥离文本
Camelot PDF failing to strip text
我有 this pdf，我正在尝试着手处理它，这是第一个 table。
当雇主名称 (EMPREGADOR) 达到两行时会出现此问题。
我正在使用以下命令尝试正确剥离数据：
tables = camelot.read_pdf('tipo1/t1_3.pdf', pages='1', flavor='stream', edge_tol=500, strip_text='\n')
df = tables[0].df
print(df)
但结果如下：
0 1 2
0 EMPREGADOR DATA DE ADMISSÃO PIS/PASEP
1 ABC ABC ABC
2 07/01/2008 123123123
3 LTDA
4 CARTEIRA DE TRABALHO INSCRIÇÃO DO EMPREGADOR NÚMERO DA CONTA
5 123123 123123 1231231231
6 DATA DE OPÇÃO DATA E CÓDIGO DE AFASTAMENTO CATEGORIA
7 07/01/2008 30/09/2011 - N2 1
8 TIPO DE CONTA TAXA DE JUROS VALOR PARA FINS RECISÓRIOS
9 OPTANTE 3.0% a.a R$ 0,00
尝试阅读文档，但没有找到任何可以帮助我正确获取雇主 (EMPREGADOR) 数据（在本例中为 ABC ABC ABC LTDA）的信息。
这是一个问题，因为雇主名称的长度可能会变化为 1、2、3 甚至更多行，从而使 DF 变得混乱，因此难以编码。
有什么建议吗？
正如 Stefano Fiorucci 在评论中提到的，Camelot 目前不支持所需的功能。解决方案是手动操作数据。
我有 this pdf，我正在尝试着手处理它，这是第一个 table。
当雇主名称 (EMPREGADOR) 达到两行时会出现此问题。
我正在使用以下命令尝试正确剥离数据：
tables = camelot.read_pdf('tipo1/t1_3.pdf', pages='1', flavor='stream', edge_tol=500, strip_text='\n')
df = tables[0].df
print(df)
但结果如下：
0 1 2
0 EMPREGADOR DATA DE ADMISSÃO PIS/PASEP
1 ABC ABC ABC
2 07/01/2008 123123123
3 LTDA
4 CARTEIRA DE TRABALHO INSCRIÇÃO DO EMPREGADOR NÚMERO DA CONTA
5 123123 123123 1231231231
6 DATA DE OPÇÃO DATA E CÓDIGO DE AFASTAMENTO CATEGORIA
7 07/01/2008 30/09/2011 - N2 1
8 TIPO DE CONTA TAXA DE JUROS VALOR PARA FINS RECISÓRIOS
9 OPTANTE 3.0% a.a R$ 0,00
尝试阅读文档，但没有找到任何可以帮助我正确获取雇主 (EMPREGADOR) 数据（在本例中为 ABC ABC ABC LTDA）的信息。
这是一个问题，因为雇主名称的长度可能会变化为 1、2、3 甚至更多行，从而使 DF 变得混乱，因此难以编码。
有什么建议吗？
正如 Stefano Fiorucci 在评论中提到的，Camelot 目前不支持所需的功能。解决方案是手动操作数据。