如何从 PDF/扫描 PDF 中的图像中提取表格？

Question

工作是从扫描的 PDF 中提取表格。我尝试使用 Camelot/tabula，但没有任何效果。

关于如何提取表格有什么建议吗？

示例

Camelot/tabula 都没有检测到表格。

附上pdf链接：https://drive.google.com/file/d/1atUmkNBkOGYFn43ZQreNqSg74XRhFP61/view?usp=sharing

Answer 1

我拍摄了屏幕截图并粘贴到 ChatGPT 4o 中。提示：“该图像包含一个文本数据表。请尽你所能，以结构化的方式提取信息。”结果：

这是从结构化格式的图像中提取的信息：

表格数据：

项目	XX	货号	材质、类型等	物品名称
005	xx	1241 2156-001	Rostskyddsvätska	防锈。液体
004	96	2126 2039-130	M6M 30 -10 规格	坚果
003	96	2122 2054-788	平斯克鲁夫 M30x300 -10.9 秒	螺柱
003	96	488 9764-015	布里卡	垫圈
001	X	387 4402-002	苯乙烯	导销

---

附加数据：

• 图纸/规格标题：回转支承场安装座
• 描述（原始语言）：Vändkranslager varvsmon
• 部分：包装规格
• 规格：CAD
• 比例：1：2
• 重量（公斤）：225
• 生产组：355
• 类型/设计组：未指定

---

批准信息：

通过质量控制验收	已接受生产
GK	未指定

跳棋和设计师：

• 设计检查者：未指定
• 绘制者：A Sedin
• 图纸检查者：儿子
• 已批准：3451 年，第 93 周，第 26 天

---

页脚信息：

• 公司：Hägglunds
• 文档/表格 ID：388 5719-801
• 页数：第 1 页，共 1 页

此格式以清晰易读的方式组织表格和关键数据点。如果您需要进一步完善，请告诉我！