本发明提出的一种基于机器学习的表格抽取方法，包括：对原始xml文件进行预处理，获得预先选择的自动提取工具可识别的新xml文件；将新xml文件通过自动提取工具进行识别并转换成python可识别的二维列表；将表格标题和脚注从二维列表中分离出来，然后识别跨列子标题，并把子标题填充到对应的列；通过机器学习，区分出表头所在行的范围，然后合并表头；对跨行数据进行合并，获得最终表格数据。本发明实现了基于机器学习从格式为xml的文件中抽取清洗表格内容，保证了对xml文件信息的精确和完整的抽取。