Extrahieren Sie Text aus PDF in Python

So extrahieren Sie Text aus einer PDF-Datei mit Python for .NET

So extrahieren Sie Text aus einer PDF-Datei mit dem Tool Python for .NET

Müssen Sie Text aus PDF extrahieren? Die programmatische Änderung von PDF-Dokumenten ist ein wesentlicher Bestandteil moderner digitaler Workflows. Mit Python-Bibliotheken wie Aspose.PDF können Entwickler Text aus PDF extrahieren. Diese Bibliotheken sind eigenständige Lösungen, die nicht auf andere Software angewiesen sind und für den kommerziellen Einsatz bereit sind. Sie decken alle möglichen Bedürfnisse professioneller Python-Entwickler ab.

  • Text aus PDF extrahieren
  • Extrahieren Sie Bilder aus PDF
  • Extrahieren Sie Schriften aus PDF
  • Daten aus dem Formular extrahieren
  • Text aus Briefmarken extrahieren
  • Daten aus einer Tabelle extrahieren

Um Text aus einer PDF-Datei zu extrahieren, verwenden wir die API Aspose.PDF for .NET, eine funktionsreiche, leistungsstarke und benutzerfreundliche API zur Dokumentenbearbeitung für die Plattform python-net. Öffnen Sie den Paketmanager von NuGet, suchen Sie nachAspose.pdf und installieren Sie ihn. Sie können auch den folgenden Befehl von der Package Manager Console aus verwenden.

Python Package Manager Console

pip install aspose-pdf

Extrahieren Sie Text aus PDF in Python


Um den Code in Ihrer Umgebung auszuprobieren, benötigen Sie Aspose.PDF for Python.

  1. Laden Sie das PDF mit einer Instanz von Document.
  2. Erstellen Sie ein TextAbsorber-Objekt, um Text zu extrahieren.
  3. Akzeptiere den Absorber für alle Seiten.
  4. Holen Sie sich den extrahierten Text
  5. Erstellen Sie einen Writer und öffnen Sie die Datei, schreiben Sie eine Textzeile in die Datei

Text aus PDF extrahieren - Python

Dieser Beispielcode zeigt, wie Text aus PDF-Dokumenten extrahiert wird

Input file:

File not added

Output format:

PDF

Output file:

import aspose.pdf as ap 
# Open document
dataDir = "..."
document = ap.Document(dataDir + "sample.pdf")

# Create TextAbsorber object to extract text
textAbsorber = ap.text.TextAbsorber()
# Accept the absorber for all the pages
document.pages.accept(textAbsorber)
# Get the extracted text
extractedText = textAbsorber.text

with open('sample.txt', 'w') as f:
    f.write(extractedText)

Informationen zu Aspose.PDF für die Python for .NET API

Aspose.PDF für Python über .NET-API unterstützt die meisten etablierten PDF-Standards und PDF-Spezifikationen. Es ermöglicht Entwicklern, Tabellen, Grafiken, Bilder, Hyperlinks, benutzerdefinierte Schriftarten — und mehr — in PDF-Dokumente einzufügen. Darüber hinaus ist es auch möglich, PDF-Dokumente zu komprimieren. Aspose.PDF für Python über.NET bietet hervorragende Sicherheitsfunktionen für die Entwicklung sicherer PDF-Dokumente. Zu den wichtigen Funktionen von Aspose.PDF für Python via .NET-API gehören:

  • Fähigkeit, PDF in mehreren Bildformaten wie BMP, GIF, JPEG und PNG zu lesen und zu exportieren.
  • Legen Sie grundlegende Informationen (z. B. Autor, Ersteller) des PDF-Dokuments fest.
  • Konvertierungsfunktionen: Konvertiere PDF in Word, Excel und PowerPoint. Konvertiere PDF in Bildformate. Konvertieren Sie PDF-Dateien in das HTML-Format und umgekehrt. Konvertieren Sie PDF in EPUB, Text, XPS usw.

Zur API-Verwendung finden Sie weitere Informationen zu Aspose.PDF für Python via .NET-API in unserer Dokumentation.