問題タブ [tabula]

Tabula で PDF を読んだ後、複数のページにまたがったために分割されたデータフレームがいくつかあります。それらを連結してヘッダー行を削除して、テーブル全体を復元したいと考えています。ドキュメントごとにテーブルの数が変わると思うので、テーブルが分割されるあらゆるシナリオをカバーするはずです。

forループでリストを調べて、次のデータフレームに同じ数の列があるかどうかを確認したいことはわかっています。その場合、2 つを連結する必要があります。手動での連結 (print(pd.concat([df_list[12],df_list[13],df_list[14]])) を使用) が機能するため、これをどのように記述するかを理解するだけです。

これがどうあるべきかについての私の概算です：

「TypeError: Could not operation 1 with block values must be str, not int」というエラーが表示されますが、この for ループで何をしているのかわかりません。

私は、pdf ファイルのテーブルからデータを抽出するタスクを自動化する必要があるプロジェクトに取り組んでいます。このプロジェクトでは python を使用しています。

この問題にアプローチするより良い方法があるかどうか疑問に思っています。

私はすでにタブラを使用していますが、テーブルに明確なグリッドがない場合、タブラは正しく機能しません。

Open CV を使用してテーブルとセルの周りにグリッドを描画し、OCR を使用してファイルからデータを抽出することを考えています。

これは、テーブルを抽出しようとしているpdfページの例です