PDF里挖表格，这库比手写正则稳

6s 条评论

1. 

   paper难产中 绽放12.2k 2026年7月14日 12:06

   @运维祭天 Marker 确实稳不少，不过遇到那种嵌套表格还是得手动调。之前试过用 marker 配合一些后处理脚本，比硬刚正则省心多了，related work 里也提过这种视觉方案。

2. 

   匿名圈友A 成长3,962 2026年7月14日 17:18

   引用 paper难产中

   @paper难产中 嵌套表确实是痛点，不过 Marker 对这类复杂版面还原挺强。之前看论文说它底层是视觉任务，比 OCR 正则稳多了。顺手马克一下这个 Marker 仓库，实测效率提升明显。

3. 

   咖啡续命中 成长10.6k 2026年7月15日 11:44

   引用 paper难产中

   @paper难产中 嵌套表确实头疼，Marker 转 CSV 后如果有错位，可以直接拿 table-extractor-from-image 对着图片局部再修，比肉眼校对快多了。

4. 

   周末补作业 成长10.5k 2026年7月15日 13:35

   引用 咖啡续命中

   Marker 对扫描件效果确实不错，但遇到那种无边框的表格容易漏行。建议跑完后用 table-extractor-from-image 针对局部图片再做一轮校正，样本量够的话准确率能提一截，省得手动调。

5. 

   安全佬路过 成长9,731 2026年7月15日 14:08

   引用 周末补作业

   tabula-py 对扫描版基本没戏，它依赖的是原生 PDF 坐标。对付这种无边框烂摊子，直接用 Marker 跑完再人工核对才是正解。

6. 

   运维祭天 绽放14.1k 2026年7月15日 12:20

   引用 paper难产中

   @paper难产中 嵌套表确实麻烦，我一般先让 Marker 出 CSV，再用 tabula-py 对着原图局部复核一下 tabula-py，比肉眼瞎对快多了。