gmft

gmft是用來將PDF中的表格轉換為多種格式的工具包。它輕量級、模組化且性能優越。 gmft仰賴微軟的Table Transformers，這是眾多替代方案中效能最好、最可靠的。 gmft無需GPU即可運行，具有高吞吐量，並且安裝簡便，只需一行程式碼即可完成安裝。它使用PyPDFium2，因其高吞吐量和寬鬆的許可證而受到青睞。 gmft使用的訓練模型TATR在多樣化的資料集PubTables-1M上訓練，具有高可靠性。

需求人群：

" gmft的目標受眾是資料分析師、研究人員和任何需要從PDF文件中提取表格資料的使用者。由於其輕量級和高效能的特性， gmft特別適合需要處理大量PDF文件並快速轉換資料的場合。

使用場景範例：

數據分析師使用gmft從研究報告中擷取數據進行進一步分析

研究人員利用gmft從學術論文中擷取實驗數據

企業用戶透過gmft自動化從合約文件中提取表格資料的過程

產品特色：

支援將PDF表格轉換為Pandas DataFrame等多種格式

能夠輸出表格的文字和位置列表

支援輸出表格的裁剪影像

支援表格標題的擷取

無需OCR即可快速擷取表格，適用於影像和掃描PDF

透過PyPDFium2實現高吞吐量的PDF處理

可配置性強，支援自訂模型和提取方法

使用教學：

安裝gmft ：在命令列中輸入`pip install gmft `進行安裝

導入必要的模組：在Python腳本中導入`CroppedTable, TableDetector, AutoTableFormatter`等

建立PyPDFium2Document物件：使用待擷取表格的PDF檔案路徑建立文件對象

使用TableDetector進行表格偵測：遍歷文件的每一頁，使用detector擷取表格

使用AutoTableFormatter格式化表格：將偵測到的表格進行格式化處理

將擷取的表格資料轉換為所需格式：例如轉換為Pandas DataFrame或其他支援的格式

關閉文檔物件：完成提取後，呼叫文檔物件的close方法釋放資源