Tabula GUI与Tabula-py提取PDF表格结果不一致，出现NaN值求助

我最近在处理PDF表格提取的问题，一开始用Tabula的图形界面（GUI）工具，选好要提取的区域后导出的CSV完全符合预期，数据完整没有缺失。但当我导出GUI里的模板，用Tabula-py的read_pdf_with_template方法批量提取时，结果里却出现了不少NaN值，甚至还有数据错位的情况，这可把我难住了。

相关细节 #

提取区域模板参数 #

我用的模板是针对PDF第3页的这个区域，参数如下：

[{"page":3,"extraction_method":"guess","x1":56.99806280517571,"x2":537.6866864624022,"y1":239.22816177368162,"y2":737.7751863098144,"width":480.6886236572265,"height":498.54702453613277}]

Tabula GUI的提取效果 #

GUI导出的表格数据很规整，所有行列都对齐，没有缺失值，完全是我想要的样子。

我用的Python代码 #

import tabula

# 用模板提取PDF表格
df_list = tabula.read_pdf_with_template("Report.pdf", "Report.tabula-template.json")
df = df_list[0]
print(df)

Tabula-py的提取结果 #

结果里不仅有NaN，还有数据错位（比如第18行开头的5321明显是和前面的列混在一起了），具体输出如下：

21 dicembre, 24 12:08    135    84    53  21 dicembre, 24  20:27    130  
0     21 dicembre, 24 12:53  134.0  82.0  70.0  21 dicembre, 24  21:35  130.0
1     21 dicembre, 24 13:00  136.0  86.0  57.0  21 dicembre, 24  22:56  131.0
2     21 dicembre, 24 14:07  137.0  86.0  65.0  21 dicembre, 24  23:40  135.0
3     21 dicembre, 24 14:15  139.0  89.0  60.0  21 dicembre, 24  23:49  125.0
4     21 dicembre, 24 14:31  132.0  81.0  58.0  21 dicembre, 24  23:57  123.0
5     21 dicembre, 24 15:11  137.0  85.0  60.0  22 dicembre, 24  00:20  121.0
6     21 dicembre, 24 15:19  143.0  89.0  61.0  22 dicembre, 24  00:29  122.0
7     21 dicembre, 24 16:21  124.0  75.0  59.0  22 dicembre, 24  00:37  120.0
8     21 dicembre, 24 16:31  131.0  73.0  58.0  22 dicembre, 24  00:45  123.0
9     21 dicembre, 24 16:40  130.0  77.0  55.0  22 dicembre, 24  00:53  110.0
10    21 dicembre, 24 17:22  136.0  81.0  55.0  22 dicembre, 24  01:34  116.0
11    21 dicembre, 24 17:31  138.0  85.0  58.0  22 dicembre, 24  02:15  125.0
12    21 dicembre, 24 18:12  132.0  76.0  50.0  22 dicembre, 24  02:55  121.0
13    21 dicembre, 24 18:53  133.0  81.0  51.0  22 dicembre, 24  03:03  118.0
14    21 dicembre, 24 19:11  123.0  75.0  50.0  22 dicembre, 24  03:43  119.0
15    21 dicembre, 24 19:20  123.0  76.0  54.0  22 dicembre, 24  04:23  118.0
16    21 dicembre, 24 20:03  135.0  83.0  60.0              NaN    NaN    NaN
17                      NaN    NaN   NaN   NaN  22 dicembre, 24  05:44  125.0
18  5321 dicembre, 24 20:12  131.0  80.0  57.0  22 dicembre, 24  05:53  126.0

76  53.1
0   77.0  57.0
1   78.0  61.0
2   80.0  55.0
3   76.0  53.0
4   71.0  50.0
5   72.0  54.0
6   70.0  49.0
7   70.0  50.0
8   70.0  49.0
9   68.0  49.0
10  69.0  50.0
11  73.0  57.0
12  72.0  51.0
13  71.0  49.0
14  72.0  54.0
15  72.0  52.0
16   NaN   NaN
17  78.0  54.0
18  76.0   NaN

我的猜测 #

我觉得问题可能出在这个PDF表格的结构上——表格的左右两部分没有严格对齐，导致Tabula-py的自动识别逻辑（也就是模板里的guess方法）出了问题，但GUI却能正确处理这种情况。有没有大佬知道怎么让Tabula-py和GUI得到一样的结果呀？

备注：内容来源于stack exchange，提问作者Tosamoon