提取嵌入在pdf文档中的财务表

Question

我试图分析公司的年度报告，这些报告是pdf格式的（来自年报网). 我已经下载了大约5000个pdf文档，每个文档都有文本和表格数据。我希望提取这些pdf文档中的财务数据表，并将其保存到excel文件中。在

我尝试了基于tabla、PyPDF2、Regexp和NLTK的解决方案 但每次，我的解决方案中似乎都会出现误报（字符没有检测到，pdf中的正确页面没有提取出来等等）。有没有python解决这个问题的方法？也愿意探索其他语言的解决方案（比如VBA？）在

这里有一些我正在处理的文件的例子

http://annualreports.com/HostedData/AnnualReportArchive/a/NYSE_ATEN_2015.pdf
http://annualreports.com/HostedData/AnnualReportArchive/a/NASDAQ_AEIS_2016.pdfhttp://annualreports.com/HostedData/AnnualReportArchive/A/LSE_ALM_2016.pdf

感谢您抽出时间！在