项目 ◆ 沧海遗珠
gmft
conjuncts/gmft · Python · MIT
几乎零配置，把 PDF 里的表格抽成 DataFrame。
gmft 是一个刻意做小的 PDF 表格抽取库——没有笨重的 ML 栈，只有几个可选后端——目标是快速拿到干净的表格喂进 pandas。
35.6 / 100 · 评分
★ 542 Star 数
+0 30 天增长
3 分钟 首次运行耗时
无需 API Key
评分
趋势 18
活跃 32
质量 90
社区 22
相关 43
上手成本一览
部署方式Pip
GPU无需 GPU
API Key无需
界面语言en
文档语言en
安装命令
pip install gmft 深度解读
gmft 把 PDF 里的表格直接抽成 pandas DataFrame——每个文档处理项目里最耗时间、又最不起眼的那一步。
除了 DataFrame，它还给出下游需要的全部零件：按扩展名输出 markdown、LaTeX、HTML、CSV、JSON，以及带位置的原始文本和每个检测到的表格的裁剪图。
附带单文件快速上手和批量抽取两种 notebook，完整文档在 Read the Docs。
适用场景
从论文和报告里扒表格
把 PDF 发票自动化录入
对表格型 PDF dump 做快速 EDA
适合 / 不太适合
适合
讨厌 PDF 的数据科学家
笔记本优先的工作流
必须保持轻量的项目
不太适合
纯扫描图片 PDF（需 OCR）
你需要完整文档结构而非仅表格