使用Tabula导出PDF为CSV时缺失最后一列Quantidade，求解决方案

针对你遇到的Tabula导出CSV缺失“Quantidade”列的问题，可尝试以下几种方案：

1. 调整提取区域，确保覆盖完整表格 #

Tabula默认的提取区域可能未包含页面边缘的最后一列，你可以通过area参数手动指定覆盖整个页面的坐标（PDF页面坐标以左下角为原点，单位为点，标准A4页面尺寸为高792点、宽612点）：

tabula.convert_into(
    "https://up2dataweb.blob.core.windows.net/bdi/BDI_03-2_20231124.pdf",
    "outputopcoes.csv",
    output_format="csv",
    pages=291,
    area=[0, 0, 792, 612]
)

若不确定精确坐标，可先用tabula.gui()打开Tabula可视化工具，手动框选完整表格区域后，复制生成的坐标参数到代码中。

2. 手动指定列边界 #

如果表格列的分隔位置明确，通过columns参数定义每一列的垂直分隔线坐标，能强制Tabula识别到最后一列：

tabula.convert_into(
    "https://up2dataweb.blob.core.windows.net/bdi/BDI_03-2_20231124.pdf",
    "outputopcoes.csv",
    output_format="csv",
    pages=291,
    columns=[10, 80, 150, 220, 290, 360, 430, 500, 570, 610]  # 根据实际列位置调整坐标
)

坐标值需对照PDF表格的实际布局调整，同样可通过Tabula GUI工具获取准确的列分隔坐标。

3. 切换到Stream模式提取 #

如果表格是文本流式布局而非网格线布局，默认的lattice模式识别精度可能不足，切换到stream模式（配合guess=False）能更精准地识别文本列：

tabula.convert_into(
    "https://up2dataweb.blob.core.windows.net/bdi/BDI_03-2_20231124.pdf",
    "outputopcoes.csv",
    output_format="csv",
    pages=291,
    stream=True,
    guess=False,
    columns=[10, 80, 150, 220, 290, 360, 430, 500, 570, 610]
)

4. 优化Pandas读取逻辑 #

导出CSV后，先查看原始数据结构，避免误删目标列：

# 先查看原始CSV的结构
df_raw = pd.read_csv('outputopcoes.csv')
print(df_raw.head())

# 根据实际结构调整处理逻辑，不要提前删除Unnamed列，先确认哪一列对应Quantidade
df = df_raw.rename(columns=df_raw.iloc[0]).iloc[2:]
# 检查列名是否包含Quantidade
print(df.columns)

若导出的CSV中最后一列以Unnamed开头，可直接将其重命名为Quantidade，而非直接删除。

内容的提问来源于stack exchange，提问作者Dicast