[camelot] read_pdf() 파라미터

Camelot이란?

PDF 파일에서 표(Table, 이하 테이블)을 추출(Extract)해주는 Python 라이브러리

 

camelot을 사용하는 메인 방법은 read_pdf() 함수를 사용하는 것입니다.

 

read_pdf()의 파라미터를 적절하게 적용시키면

PDF에서 테이블을 적절하게 추출하여 렌더링할 수 있습니다.

 

 

본 포스팅은 caemlot 공식 문서를 참고하였습니다.

camelot-py.readthedocs.io/en/master/index.html

---

기본 사용법

camelot.read_pdf("./dir/file.pdf", pages="all") 

첫 번째 인자로 pdf 파일 경로

두 번째 인자로 테이블을 추출할 페이지 범위를 설정해줍니다.

가장 기본이 되는 사용 방법입니다.

 

파라미터 우측에 [stream] 혹은 [lattice]는 각각 stream과 lattice 방식에서만 사용 가능합니다.

아무런 표시가 없으면 공통적으로 사용 가능합니다.

---

pages

• 페이지 범위를 지정
• default : "1"
• example) "all" or "2-8" or "2,4,8-end" 

password

• 문서 비밀번호가 있는 경우 설정
• default : None
• example) "my-password" 

flavor

• Parsing method
• default : "lattice"
• example) only "lattice" or "stream" 

layout_kwargs

• pdfminer.layout.LAParamskwargs
• default : {}

suppress_stdout

• log, warning 출력 여부
• default : False
• example) True

table_areas

• 테이블 테두리를 지정 (테이블 범위), ["x1, x2, y1, y2"]
• default : None
• example) ["312,489,566,325"]

table_regions

• 테이블을 탐색할 범위를 지정, ["x1, x2, y1, y2"]
• default : None
• example) ["170,370,560,270"]

split_text

• 셀 데이터가 병합된 경우, 분리시켜줌
• default : Falses
• example) True

flag_size

• 윗첨자 혹은 아랫첨자를 구분하기 위해 태그(Tag)를 달아줌
• default : False
• example) True

strip_text

• 불필요한 문자 제거
• default : ""
• example) "\n" 

---

columns [stream]

• 테이블 테두리의 세로 선이 명확하지 않은 경우 -> x 좌표를 지정해서 구분
• default : None
• example) ["121,168,268,432,552"]

row_tol [stream]

• row를 더 가까이 그룹핑
• default : 2
• example) 4 

column_tol [stream]

• column을 더 가까이 그룹핑
• default : 0
• example) 2 

edge_tol [stream]

• 텍스트 줄 사이 간격 크기
• default : 50
• example) 150

---

process_background [lattice]

• 배경 색이 있는 경우, 배경 선을 감지
• default : False
• example) True

line_scale [lattice]

• 테이블 테두리 사이즈
• default : 15
• example) 40

copy_text [lattice]

• 병합된 셀의 텍스트를 가로 혹은 세로 방향으로 복사해줌
• default : None
• example) ["h"] or ["v"]

shift_text [lattice]

• 병합된 셀에서 텍스트 방향(위치) 설정 ["","l","r","t","b"]
• default : ["l", "t"]
• example) ["r", "b"]

line_tol [lattice]

• row, column을 더 가까이 그룹핑
• default : 2
• example) 15

joint_tol [lattice]

• line, joint를 더 가까이 그룹핑
• default : 2
• example) 20

threshold_blocksize [lattice]

• 픽셀 임계값 크기 [cv2 Thresholding() parameter], 영역으로 나눌 이웃의 크기
• 홀수만 입력 가능
• default : 15
• example) 7

threshold_constant [lattice]

• 평균값-해당 상수값, 계산된 임계값 결과에서 가감할 상수 [cv2 Thresholding() parameter]
• default : 2
• example) -1

iterations [lattice]

• 침식 및 확장 횟수 적용 [cv2 dilate() parameter]
• default : 0
• example)2

resolution [lattice]

• PDF를 PNG로 변환할 때의 해상도
• default : 300
• example) 500

---

지금까지 camelot의 read_pdf() 함수의 파라미터에 대해 알아보았습니다.

감사합니다.