このファイルから同様にフォーマットされたテーブルからデータを抽出する必要があります。OCR エラーがいくつかありますが、それらを修正する自動化された方法があります。
私が試してみました：
- ABBYY Finereader テーブル検出。
- 表の抽出
- キャメロット表抽出
- カスタム pythonコード
問題:コマーシャル ツールは、テーブルの端を検出するのが非常に苦手です。テーブルは同様の一般的な形式に従いますが、各スキャンはわずかに異なる方法で配置されるため、ボーダーをハードコーディングしても機能しません。
質問:テーブルの開始位置を検出し、いくつかのテンプレートの 1 つを適用する良い方法を知っていますか?
この種の作業に関するその他のヒントは大歓迎です。