extract_tables 的局限与绕过
第一性原理：表格检测的本质是"找线"
pdfplumber 的 extract_tables() 之所以能提表格，靠的是检测页面上分隔线（竖线、横线）的交点，把交点围出的格子当成单元格，组装成二维 list。
所以它的前提是：表格必须有清晰的分割线。这就是它的第一个局限。
局限一：无边框表格提不出来
很多 PDF 的表格是"看起来像表格，但没有线"——靠空格、对齐区分。pdfplumber 处理这种就很费劲。
局限二：表头多行、合并单元格会被拆乱
一旦表头跨两行，或者有合并单元格，extract_tables 返回的行列对不齐，取值就错位。
绕过方案：别死磕表格，用"锚点 + 坐标"取单元格
我们项目里取值用的是更稳的办法——按元素名定位：找到某元素所在单元格，再取它相邻的"值"单元格。
# 简化示意：在表格里搜元素名，取同一行的值列
def extract_value_by_name(table, element_name, value_col):
for row in table:
for cell in row:
if element_name in (cell or ""):
return row[value_col]
return None
这样绕开"表格完整识别"，只取我需要的点。
取舍建议
- 表格规整、有线：直接用 extract_tables()，省事。
- 表格乱、合并多、无边框：放弃整体表，改"关键词锚点 + 相对位置取值"。
很多 PDF 识别项目死在死磕表格结构上。想明白：你其实只需要某个格子的值，不需要整张表还原。绕着需求来，能省一半力气。
