从扫描的文档中获取表格形式的数据

Question

我有一个带有数据表的扫描 pdf 文件。我使用 pdftools::pdf_convert 将其转换为 png 文件，在使用 magick::image_crop 裁剪后，我试图以表格形式获取数据。结果图如下

我的代码在下面

library(tesseract)
library(tidyverse)
library(magick)

img <- image_read("image.png")

text <- img %>%
  image_resize("2000x") %>%
  image_convert(type = 'Grayscale') %>%
  image_trim(fuzz = 40) %>%
  image_write(format = 'png', density = '300x300') %>%
  tesseract::ocr(engine = tesseract("spa", options = list(textord_tabfind_find_tables = '1',
                                                          textord_tablefind_recognize_tables = '1')))


## Resulting text
text
[1] "A\nAUTOCLAVE CON LUZ|  FET(H)-SAI2-EMYL-079\n1 28-3695-0000144 | ULTRAVIOLETA (UV) DE VERSIÓN 01 1 EQUIPO\n100. L. 02/0CT/2020\nFET(H)-SAT2-EMYL-070\n2 | 28-410-0000003 UM RO VERSIÓN 01 EQUIPO\n02/0CT/2020\nFET(H)-SAI2-EMYL-071\n3 | 28-4310-0000064 o VAGO LIBRE VERSIÓN 01 2 EQUIPO\n02/0CT/2020\nFET(H)-SAI2-EMYL-076\n4 | 28-3695-0000142 UA ETE DE TOMA VERSIÓN O1 5 EQUIPO\n02/0CcT/2020\n' FET(H)-EP22-EMYL-O12\n5 | 28-3424-0000030 ON VERSIÓN 02 1 EQUIPO\n: 02/MAR/2020\n: FET(H)-SAI2-EMYL-078\n28-3695-0000143 | CENTRÍFUGA. VERSIÓN 01 1 EQUIPO\n02/0CT/2020\n- - FET(H)-FP22-EMYL-003\n7 | 28-3695-0000098 ION DE O Ca VERSIÓN 02 1 EQUIPO\n: 10/DIC/2019\nFET(H)-SAT2-EMYL-089\n28-3695-0000140 | BAÑO MARÍA DIGITAL 10 L. VERSIÓN 01 2 EQUIPO\n02/0CT/2020\n- - FET(H)-SAT2-EMYL-074\n28-3695-0000141 AL MENRASONICO VERSIÓN 01 5 EQUIPO\n\" 02/0CT/2020\n"

cat(text)
A
AUTOCLAVE CON LUZ|  FET(H)-SAI2-EMYL-079
1 28-3695-0000144 | ULTRAVIOLETA (UV) DE VERSIÓN 01 1 EQUIPO
100. L. 02/0CT/2020
FET(H)-SAT2-EMYL-070
2 | 28-410-0000003 UM RO VERSIÓN 01 EQUIPO
02/0CT/2020
FET(H)-SAI2-EMYL-071
3 | 28-4310-0000064 o VAGO LIBRE VERSIÓN 01 2 EQUIPO
02/0CT/2020
FET(H)-SAI2-EMYL-076
4 | 28-3695-0000142 UA ETE DE TOMA VERSIÓN O1 5 EQUIPO
02/0CcT/2020
' FET(H)-EP22-EMYL-O12
5 | 28-3424-0000030 ON VERSIÓN 02 1 EQUIPO
: 02/MAR/2020
: FET(H)-SAI2-EMYL-078
28-3695-0000143 | CENTRÍFUGA. VERSIÓN 01 1 EQUIPO
02/0CT/2020
- - FET(H)-FP22-EMYL-003
7 | 28-3695-0000098 ION DE O Ca VERSIÓN 02 1 EQUIPO
: 10/DIC/2019
FET(H)-SAT2-EMYL-089
28-3695-0000140 | BAÑO MARÍA DIGITAL 10 L. VERSIÓN 01 2 EQUIPO
02/0CT/2020
- - FET(H)-SAT2-EMYL-074
28-3695-0000141 AL MENRASONICO VERSIÓN 01 5 EQUIPO
" 02/0CT/2020

我得到的输出太乱了。有没有更好的方法以表格形式获取数据？