使用Camelot的lattice模式读取PDF时触发GhostscriptError -100问题

问题背景 #

调用camelot.read_pdf使用lattice模式读取PDF时抛出错误：camelot.ext.ghostscript._gsprint.GhostscriptError: -100，但stream模式可正常运行。选择lattice模式是因为stream模式提取精度不足，且存在最多10列的限制，导致输出格式异常。已尝试回滚Ghostscript版本、检查依赖安装、切换backend='poppler'等操作，问题仍未解决。

可行解决方案 #

1. 排查PDF文件本身的异常 #

Ghostscript错误-100常与PDF文件问题相关，比如文件损坏、加密、内嵌字体异常或页面格式特殊。

• 单独导出目标页面（第7页）为新PDF：
  可使用PDF编辑器或命令行工具（如pdftk）拆分页面：

  pdftk test.pdf cat 7 output page7.pdf
  

• 修改代码读取新文件测试：

  import camelot
  tables = camelot.read_pdf("page7.pdf", flavor="lattice")
  tables.export("test.json", f="json")
  

2. 调整Ghostscript渲染参数 #

Lattice模式依赖Ghostscript渲染页面，默认参数可能不兼容目标PDF，可通过gs_options传递额外参数：

import camelot
tables = camelot.read_pdf(
    "test.pdf", 
    flavor="lattice", 
    pages="7",
    gs_options=["-dSAFER", "-r300"]  # 禁用不安全操作+300dpi高分辨率渲染
)
tables.export("test.json", f="json")

也可尝试添加-dNOPAUSE（不暂停）、-dBATCH（批处理模式）等参数组合测试。

3. 严格匹配Ghostscript与Camelot的版本兼容性 #

确保Ghostscript版本处于Camelot官方推荐范围（如9.50~9.55.x，部分新版本可能存在兼容问题）：

• 查看当前Ghostscript版本：

  gs --version
  

• 若版本不符，重新安装对应版本后重启Python环境再测试。

4. 预处理PDF为图片后提取 #

若PDF渲染存在问题，先用Poppler的pdftoppm将页面转成图片，再用Lattice模式读取（需额外安装opencv-python）：

pdftoppm -f 7 -l 7 -png test.pdf page7

import camelot
tables = camelot.read_pdf("page7-1.png", flavor="lattice")
tables.export("test.json", f="json")

5. 检查表格边框清晰度 #

Lattice模式依赖清晰的表格边框，若目标页面表格边框为虚线、颜色过浅或不完整，Ghostscript无法正确识别，可先给PDF表格添加清晰边框后再提取。

内容的提问来源于stack exchange，提问作者Anirudh