我之前也碰到过pdfplumber处理带跨行合并单元格的表格时，列数识别跑偏的情况，给你几个实用的思路来修复：

• 手动指定表格边界框（bbox）
  有时候pdfplumber会把页面上其他无关线条误判成表格列线，手动框选表格的实际范围能精准锁定目标区域。你可以先通过可视化工具确认表格的坐标：

  # 生成带表格框的图片，查看表格的左上角(x0, top)和右下角(x1, bottom)坐标
  first_page.to_image().draw_rects(first_page.find_tables()).save("table_debug.png")
  

  然后提取时指定bbox参数：

  table_bbox = (100, 200, 800, 600)  # 替换成你实际表格的坐标
  df5 = pd.DataFrame(first_page.extract_table(bbox=table_bbox))
  

• 微调表格分割策略
  单一的vertical_strategy可能不够，试试组合调整水平和垂直分割策略，同时微调snap_tolerance（控制线条合并的阈值）：

  table_settings = {
      "vertical_strategy": "lines",
      "horizontal_strategy": "lines",
      "snap_tolerance": 5,  # 可根据实际情况调整，数值越大越容易合并相近线条
      "join_tolerance": 3
  }
  df5 = pd.DataFrame(first_page.extract_table(table_settings=table_settings))
  

  如果线条识别还是不准，也可以把vertical_strategy换成"text"——基于文本块的位置来分割列，有时候对不规则表格更有效。

• 提取后手动修正数据
  如果前面的方法都没能彻底解决，那就退一步，先提取出6列数据，再手动合并错位的列。因为是第二行的合并单元格导致的识别错误，通常错位的是前几列：

  # 假设前两列是被误拆分的，合并这两列
  df5['修正列1'] = df5[0].fillna('') + df5[1].fillna('')
  # 保留合并后的列和后面正确的3列（因为原表是4列），再重置表头
  df_clean = df5[['修正列1', 2, 3, 4]]
  df_clean.columns = ['表头1', '表头2', '表头3', '表头4']  # 替换成你的实际表头
  

• 开启空白字符保留
  试试添加keep_blank_chars=True参数，有时候空白字符的缺失会导致列分割逻辑出错：

  df5 = pd.DataFrame(first_page.extract_table(keep_blank_chars=True))
  

另外，推荐用first_page.to_image().debug_tablefinder()来可视化pdfplumber的表格识别逻辑，能清晰看到哪些线条被当成了列线，帮助你更精准地调整参数。

内容的提问来源于stack exchange，提问作者Tati