运行tabula.read_pdf时Jupyter Notebook内核崩溃的解决办法咨询

1. 确认Java环境兼容性 #

• 检查Java版本：tabula-py仅兼容Java 8或11版本，过高版本会引发兼容性问题。在conda提示符执行java -version查看版本，若不符，卸载后安装对应版本。
• 配置JAVA_HOME：确保系统已设置JAVA_HOME环境变量指向Java安装目录。Windows通过系统属性配置，Linux/macOS在.bashrc或.zshrc中添加export JAVA_HOME=/path/to/your/java，之后重启终端和Jupyter。

2. 重装并验证tabula-py #

• 卸载重装：在Jupyter单元格中执行!pip uninstall -y tabula-py，再运行!pip install tabula-py。优先用pip安装，避免conda源版本滞后问题。
• 更新依赖：确保pandas、numpy等依赖为稳定版，执行!pip install --upgrade pandas numpy。

3. 调整读取参数规避崩溃 #

• 限制读取范围：先测试单页读取，比如tabula.read_pdf("your_file.pdf", pages='1')，排除特定页面的格式问题。
• 切换提取模式：根据表格类型设置lattice=True（适用于带边框的表格）或stream=True（适用于无边框的文本表格），例如tabula.read_pdf("your_file.pdf", pages='1', lattice=True)。
• 分配更多内存：针对大PDF，通过java_options给Java虚拟机扩容，比如tabula.read_pdf("your_file.pdf", java_options="-Xmx4G")（4G内存可按需调整）。

4. 排查环境与文件问题 #

• 终端测试：退出Jupyter，在conda提示符执行tabula your_file.pdf，若能正常提取，说明Jupyter环境存在冲突，需新建虚拟环境测试。
• 新建干净环境：

  conda create -n tabula_test python=3.9
  conda activate tabula_test
  pip install jupyter tabula-py pandas
  # 安装兼容版Java后启动Jupyter
  jupyter notebook
  

• 测试其他PDF：用结构简单的示例PDF测试，若正常则原PDF可能损坏或加密，可尝试将PDF打印为新文件后再提取。

内容的提问来源于stack exchange，提问作者Mr.Child