[python] pdf上の枠線が無いテーブルを読み込む方法

Question

実現したいこと

pdf上の枠線が無いテーブルを読み込む方法、または連続するテキストとして取得する方法を教えてください。

発生している問題・分からないこと

上記のpdfから1.株式の売り出しセクションにあるテーブルを読み込みたいのですが枠線がないためかテーブルとして取得できません。
現在僕が使用しているのはtabula.ioパッケージのread_pdfです。

dfs = read_pdf(hrefLink, pages=1, pandas_options={'header': None})

上記のコードでは取得されるテーブルは0個となってしまいます。

またテキストとして読み込むとページの中間で分かれている為に必要な項目(右側)がタイトル(左側)と乖離してしまいます。使用しているのはpdfminer.high_levelパッケージのextract_textです。

with request.urlopen(hrefLink) as res:
　　f = BytesIO(res.read())
　　text = extract_text(f)

取得されたテキストの例
(1) 売出価格
(2)売出価格の総額
・
・
・
1株につき1,344円
2,946,048,000円

求める解決策としては以下のどちらかであればうれしいです。
0. テーブルとして読み込める

1. 左右に分かれているテキストを連続した文として取得する。例：(1)売出価格1株につき1,344円

該当のソースコード

特になし

試したこと・調べたこと

• teratailやGoogle等で検索した
• ソースコードを自分なりに変更した
• 知人に聞いた
• その他

上記の詳細・結果

上記記載の求める回答に該当する情報は見つかりませんでした。
tabulaのスペースに関する引数に関しても読みましたがわかる範囲では役立つ方法を見つけられませんでした。

補足

特になし

Answer 1

camelot-pyを使用する事で解決しました。
提示した2つの内「テーブルで取得する」方法で解決出来ました。
https://stackoverflow.com/questions/53209335/python-camelot-borderless-table-extraction-issue

Comments

[meg_]

下記のどちらで解決されたのでしょうか？参考までにお聞きしたいです。
> 求める解決策としては以下のどちらかであればうれしいです。
> 0. テーブルとして読み込める
>
> 左右に分かれているテキストを連続した文として取得する。例：(1)売出価格1株につき1,344円

[akirayoshimura]

詳細が欠けていました！テーブルで取得する事が出来ました