Как можно адекватно извлекать все таблицы (в csv или в excel) из pdf файла?

Question

[stepan-neretin7]

Попробовал tabula, camelot
Они крайне посредственно это делают, может кто сталкивался с моей задачей
Посоветуйте инструмент
руки не предлагать :D
Файлов очень много и они большущие
Вот пример файла, который хочется перевести тык

Comments

[Денис _______________]

ABBYY FineReader, в ней есть 2 режима распознавания областей блоками - текст и таблица. Выгрузку можно осуществлять в т.ч. в excel

Answer 1

[Adamos]

ps2txt спокойно выдирает из этого файла текст с кучей пробелов.
Проходишься по нему регуляркой, заменяя "больше одного пробела" на табулятор, например.
Открываешь в офисе, который спрашивает, какие в файле разделители (LibreOffice, например).

Comments

[stepan-neretin7]

проблема в том, что в одном документе может быть много разных таблиц, которые должны быть от друг-друга отделены

[Adamos]

stepan-neretin7, если они на разных страницах, то теми же регулярками можно поймать строки "куча пробелов и одинокая цифра" (номер страницы).
Чудес не будет.

[stepan-neretin7]

Adamos, можно твой контакт как-то получить?Хочется пару вопросиков лично задать

[Adamos]

stepan-neretin7, меня пугает перспектива, что человек с такой грамматикой узнает мою почту, но она таки есть в моем профиле.

[Пычев Анатолий]

Я использовал похожую библиотеку pdftotext. Она бесплатна.
Но проблема разбора текста остается.
Если таблицы имеют одинаковый формат, то это еще можно автоматизировать используя регулярку.
Но, если таблицы разные, тогда будет тяжело.

[Adamos]

Пычев Анатолий, по образцу - там россыпь разных таблиц. Без постановки задачи гадать смысла не вижу.