使用pdfplumber提取扫描PDF表格时无法识别行列边界的问题求助

大家好，我现在卡在了扫描版PDF的表格提取问题上，试了各种办法都没搞定，想请各位帮忙出出主意。我的想法是先把这单页PDF的提取逻辑跑通，再批量处理一堆同类型的文件。

我用pdfplumber和pandas来处理，代码如下：

import pdfplumber
import pandas as pd

pdf_path = "/Users/Blacky_1_2/Desktop/python/nominal_rolls/pdf/e011087784.pdf"
output_csv = "/Users/Blacky_1_2/Desktop/python/nominal_rolls/csvs/2nd.csv"

# 打开PDF文件
with pdfplumber.open(pdf_path) as pdf:
    p1 = pdf.pages[0]
    settings = {
        "vertical_strategy": "text",
        "horizontal_strategy": "text",
        "snap_y_tolerance": 1,
        "intersection_x_tolerance": 3,
    }
    table = p1.find_table(table_settings=settings)
    
    im = p1.to_image(resolution=150)
    im.reset().debug_tablefinder(settings)
    
    # table = pd.DataFrame(page_crop_new.extract_table(settings))
    display(im) # 显示调试用的表格识别预览图

我已经反复调整过table_settings里的各种参数，但不管怎么组合，总有几列的字段边界识别错误：

• 当我把vertical_strategy和horizontal_strategy都设为"text"时，提取的表格里部分列的内容会串在一起，没法正确区分不同字段
• 改成horizontal_strategy = "lines"后，虽然能看到列的分隔线，但分隔位置完全不对，和实际表格结构不匹配

除此之外我还试过这些办法，但都没效果：

• 尝试手动指定表格的垂直线位置，也试过设置忽略表头，但都没能解决边界识别的问题
• 换用了PyMuPDF（fitz）模块，但用正则匹配内容时也遇到了不少问题，没法干净地提取每行的各个字段

我知道这是一份比较老的扫描件，可能识别难度高，但从文件清晰度来看，应该是能正确提取出表格结构的，实在不知道该怎么调整了，求各位大佬指点！

内容来源于stack exchange