Tabula-py读取多表格PDF时横向表格识别异常，如何解决？

以下是几个可行的解决方案，针对横向表格被错误识别为纵向的场景：

1. 手动指定表格区域 #

Tabula自动检测的区域可能不匹配横向表格的布局，你可以通过指定精确的坐标范围来强制读取目标表格。

• 如何获取坐标：使用Tabula的GUI工具（运行java -jar tabula.jar，需提前安装tabula-java），打开PDF后选中横向表格区域，复制生成的坐标值。
• 代码示例：

import tabula

# 读取正常纵向表格
normal_tables = tabula.read_pdf("target.pdf", pages=[1, 3, 5])

# 读取第2、4页的横向表格，替换为实际获取的坐标
table_page2 = tabula.read_pdf("target.pdf", pages=2, area=[[45, 60, 730, 540]])[0]
table_page4 = tabula.read_pdf("target.pdf", pages=4, area=[[50, 55, 725, 555]])[0]

# 合并所有表格
all_valid_tables = normal_tables + [table_page2, table_page4]

2. 旋转页面后读取再转置 #

如果横向表格是因为PDF页面本身为横向排版（旋转了90度），可以先旋转页面让Tabula正确识别，再转置数据恢复原有结构：

import tabula

# 读取时旋转90度，适配横向页面
rotated_table = tabula.read_pdf("target.pdf", pages=2, rotate=90)[0]

# 转置表格并修正表头
corrected_table = rotated_table.transpose().reset_index(drop=True)
corrected_table.columns = corrected_table.iloc[0]
corrected_table = corrected_table[1:].reset_index(drop=True)

3. 切换为Lattice模式读取 #

默认的Stream模式更适合无框线表格，横向有框线表格改用Lattice模式往往能提升识别精度：

import tabula

# 用Lattice模式读取横向表格
horizontal_table = tabula.read_pdf("target.pdf", pages=4, lattice=True)[0]

4. 关闭自动检测强制指定区域 #

配合guess=False参数关闭Tabula的自动区域检测，强制使用你指定的区域读取：

table = tabula.read_pdf("target.pdf", pages=2, area=[[40, 50, 740, 560]], guess=False)[0]

额外排查技巧：

• 先单独读取每个页面的表格，打印结果确认哪几页的横向表格出现识别错误
• 若PDF存在空表格，可以通过检查表格的行数/列数过滤掉空表

内容的提问来源于stack exchange，提问作者Vihanga Mohottige