PDF图片和表格等信息提取开源项目

---

---

综合性工具

PDF-Extract-Kit - opendatalab开发的综合工具包，包含布局检测、公式检测、公式识别和OCR功能

• 仓库：opendatalab/PDF-Extract-Kit
• 特点：功能全面，包含表格内容提取的StructEqTable模块

marker - VikParuchuri开发的高精度PDF转换工具，支持将PDF转换为markdown和JSON格式

• 仓库：VikParuchuri/marker
• 特点：支持表格、公式、链接、代码块等结构化提取，性能优秀

专门的表格提取工具

pdfplumber - Jeremy Singer-Vine开发的详细PDF分析工具，可以提取文本和表格

• 仓库：jsvine/pdfplumber
• 特点：提供字符级别的详细信息，表格提取功能强大

TableExtractor-Advanced-PDF-Table-Extraction - 专门用于从扫描PDF文档中提取表格的Python项目，使用OCR和图像处理技术

• 仓库：Baskar-forever/TableExtractor-Advanced-PDF-Table-Extraction

Table-extraction-from-PDF-and-Images - 支持从PDF和图片中提取表格数据到CSV或XML格式

• 仓库：anudeep-20/Table-extraction-from-PDF-and-Images

pdf-table-extract - ashima开发的PDF页面表格提取工具

• 仓库：ashima/pdf-table-extract

经典工具

camelot-py - 虽然搜索结果中没有显示，但这是最受欢迎的PDF表格提取库之一

• 仓库：camelot-dev/camelot
• 特点：专门用于表格提取，准确度高

tabula-py - Tabula的Python封装

• 仓库：chezou/tabula-py
• 特点：简单易用，适合快速提取表格