使用场景

数据分析师使用gmft从研究报告中提取数据进行进一步分析

研究人员利用gmft从学术论文中提取实验数据

企业用户通过gmft自动化从合同文档中提取表格数据的过程

产品特色

支持将PDF表格转换为Pandas DataFrame等多种格式

能够输出表格的文本和位置列表

支持输出表格的裁剪图像

支持表格标题的提取

无需OCR即可快速提取表格，适用于图像和扫描PDF

通过PyPDFium2实现高吞吐量的PDF处理

可配置性强，支持自定义模型和提取方法

使用教程

安装gmft：在命令行中输入`pip install gmft`进行安装

导入必要的模块：在Python脚本中导入`CroppedTable, TableDetector, AutoTableFormatter`等

创建PyPDFium2Document对象：使用待提取表格的PDF文件路径创建文档对象

使用TableDetector进行表格检测：遍历文档的每一页，使用detector提取表格

使用AutoTableFormatter格式化表格：将检测到的表格进行格式化处理

将提取的表格数据转换为所需格式：例如转换为Pandas DataFrame或其他支持的格式

关闭文档对象：完成提取后，调用文档对象的close方法释放资源