从PDF文档中删除空格

Question

我正在使用Camelot-py从多个PDF中读取和提取属性。我使用table_areas提取一些属性，由于某些形式之间的X或Y坐标存在偏差，我在设置正确的区域时遇到了困难。有些表格（样本1）的顶部空白最少，而另一些表格（样本2）的空白较多。这会使y坐标偏移10-15

样本1

样本2

是否可以在运行时裁剪或统一它们？

Answer 1

我认为解决方案使用的是Find PDF Dimensions with Camelot中指定的table_regions参数。

在https://camelot-py.readthedocs.io/en/master/user/advanced.html#specify-table-regions

中了解有关table_regions的更多信息。

Answer 2

为此功能，您可以使用pdfCropMargins来裁剪PDF文件的空白。它是作为命令行应用程序实现的，可以从Python调用它：

import subprocess

filename = "test.pdf"

cmd = f"pdf-crop-margins -v -s -u {filename}"

proc = subprocess.Popen(cmd.split())
proc.wait()

来自documentation：

  

该命令显示详细输出，强制所有页面相同   大小（-s），然后以相同的数量（-u）裁剪每页以获得统一   外观，保留默认的10％的边距。