从财报 PDF 里抽表格，得到的结果是一行行散落的数字，列关系全丢，后续统计完全不可用。
一开始怀疑是「扫描版 PDF 没有文本层，抽取结果为空」，查了一圈，方向不对。
排查方向其实有限，先把可能性排一排。按文本流抽取无法保留单元格边界。少数情况下是表格跨页后表头丢失。
还有一种情况，合并单元格导致行列错位。
上来先改用带版面分析的表格抽取
python -c "import pdfplumber;print(pdfplumber.open('a.pdf').pages[0].extract_tables())"随后对跨页表格手工补表头
python -c "print(df.columns.tolist())"无文本层时先做 OCR 再抽表
python ocr_table.py --input scan.pdf --lang ch末了把结果导出成结构化文件核对
python -c "df.to_csv('table.csv', index=False)"那几天正好在做别的变更，先把时间线对齐才敢动手。
改完先别撤，确认这几项。表格导出后行列对齐，数字与原文一致，跨页部分合并成完整的一张表。
表格抽取很难做到百分百准确，关键财务数字建议再抽样人工核对，直接入库风险很高。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。