Python 从pdf报告中提取财务报表

我一直在尝试以pdf格式提取年度报告中嵌入的财务报表，并使用python将其导出为excel/CSV格式，但我遇到了一些问题： 1.具体的财务报表可以在报告的任何一页上。如果我要处理数百个PDF文件，我必须指定页码，这需要花费很多时间。有没有什么办法让刮刀知道确切的声明在哪里？ 2.有些报告跨越多个页面，在抓取pdf后的最终结果不是我想要的 3.不同的年度报告有不同的财务报表格式。有没有办法处理它们并将它们更改为特定的标准格式

如果有人做过类似的事情，并能分享一些例子，我也将不胜感激

---

Ps我正在使用python并使用tabla和Camelot

我有一个类似的案例，问题是从PDF中提取特定的表单信息（姓名、出生日期等）。我使用

tesseract开源软件
和
pytesseract
对文件执行OCR。因为我不需要整个PDF，而是需要其中的特定信息，所以我设计了一个算法来查找信息：在我的例子中，我使用了简单的启发式方法（特定字段、特定行号和一些其他特定领域的东西），但你也可以使用机器学习方法，训练一个能够找到所需文本部分的分类器。您也可以使用特定领域的启发式方法，因为我确信财务报表有特殊的词汇表或一些文本标记，用于指示其开始/结束。
我希望我至少能给你一些解决这个问题的方法

注意：使用tesseract，您还可以处理多页PDF。机器学习方法需要一些样本才能很好地概括财务报表的样子