Python Camelot py从pdf中提取了两次相同的表

我正在尝试使用camelot py v0.7.3从多页PDF文件中提取表格

到目前为止，它一直是我最好的pdf阅读器工具。我只需要逐行读取pdf并手动检测表。我尝试了许多其他工具，如tabla、PyPDF2/4、pdfminer等。其中一些工具无法正确检测文本本身，一些工具干扰了单词序列或列之间的间距

但是camelot py以最适合我的应用程序的格式给了我数据

在使用camelot py从pdf中提取数据的过程中，它几乎可以很好地检测所有表的数据，除了少数错误：

它将多个表分组在同一个“TableList”元素中。但我可以将这些分组表分开。所以这里不必担心

这些分组表中的最后一个表在saparate“TableList”元素中重复。这种重复是我最关心的问题

用于上述过程的代码如下所示：

tables = camelot.read_pdf('test.pdf', pages='1-end', flavor='stream')
tables.export('foo.csv', f='csv', compress=False)

for table in tables:
    table_df = table.df
    # Code to parse data from tables in each element converted into datafram

为什么camelot py在重复一些表格？有没有办法处理这种重复

更多信息：

输入PDF文件： 由于敏感数据，我无法共享pdf文件。但以下是一些细节，可以让您更好地了解其结构： 所有页面仅包含表。 第1页：包含包含客户信息的表1。表2至表4结构相同

第2页：包含表4和表5至表7中的一些行，其结构与表2相同

第3页：表8至表10，结构与表2相同

输出CSV文件：

foo-page-1-表1：包含表1

foo-page-1-table-2：包含表1和表2-4中的最后一行（重复）

foo-page-2-table-1：包含表7（重复，缺少第一行）

foo-page-2-table-2：包含表4和表5-7中的一些结束行

foo-page-3-表1：包含表10（完全重复）

---

foo-page-3-table-2：包含表8到表10

您已经排除了表数据在PDF中实际出现两次的可能性吗？不。。。PDF仅包含每个表一次。表的重复在使用camelot-py解析的数据中。这不是普通的camelot行为。也许你的PDF有点奇怪。你能发布它吗？我不能共享pdf，因为里面包含敏感数据。但是，请参阅我上面的更新，以获取有关其结构的更多信息。