表格提取办公助手

要解决什么问题

财报、研报、发票和实验记录里，表格往往嵌在 PDF 里：有的带清晰线框，有的只靠文字对齐；还有跨页、合并单元格和一页多表。手工复制容易错列错行，通用「转文本」也很难还原行列结构。你需要的是按表格语义把内容抽出来，并落到可继续分析的结构化数据里。

技能如何工作

本技能以 camelot 作为 PDF 表提取引擎，把识别结果输出为 pandas DataFrame，便于筛选、合并或导出。

• lattice：适合有边框的表，通过线条检测表格区域。
• stream：适合无边框表，依赖文字位置推断列对齐。
• 可指定页码、表格区域或列范围；提取后可查看准确度评分（通常 90% 以上较可信），并用可视化方式核对边界是否贴合。
• 常见用法包括：整份 PDF 批量抽表、按页抽取、在 lattice / stream 间自动或手动切换，以及将结果转为 Excel 等格式。

适用边界与注意点

• 不支持加密 PDF；扫描件或纯图片 PDF 需先做 OCR，再考虑提取。
• 极复杂的合并单元格、旋转表格往往需要预处理或调参。
• 超大文档建议分页处理；表头行有时需要单独处理，避免被当成普通数据行。
• 版式混杂时，先试两种方法并对照调试图，比盲目换工具更省时间。