Extrahieren Sie Tabellen aus PDF über Python

Extrahieren Sie die Tabelle aus dem PDF-Dokument. Verwenden Sie Aspose.PDF for Python for .NET, um PDF-Dateien programmgesteuert zu ändern

Aspose.PDF for Python for .NET Logo
C# Java C++ Python

So extrahieren Sie mithilfe der Python for .NET Bibliothek Tabellen aus einem PDF-Dokument

Um Tabellen zu extrahieren, verwenden Sie Aspose.PDF for Python via .NET, eine leistungsstarke und benutzerfreundliche API. Öffnen Sie PyPI, suchen Sie nach „aspose-pdf“ und installieren Sie es. Alternativ können Sie den folgenden Befehl ausführen:

Console

pip install aspose-pdf

Extrahiere Tabellen aus PDF via Python

Sie benötigen Aspose.PDF for .NET, um den Code in Ihrer Umgebung auszuprobieren.

  1. Importieren Sie die erforderlichen Bibliotheken
  2. Laden Sie das PDF-Dokument
  3. Initialisiere den TableAbsorber und iteriere über Seiten
  4. Extrahieren Sie den Tabelleninhalt
  5. Extrahierte Daten speichern (optional)

Extrahiere Tabellen aus PDF - Python

import aspose.pdf as apdf

from os import path

path_infile = path.join(self.data_dir, infile)

# Load source PDF document
pdf_document = apdf.Document(path_infile)
for page in pdf_document.pages:
    absorber = apdf.text.TableAbsorber()
    absorber.visit(page)
    for table in absorber.table_list:
        for row in table.row_list:
            for cell in row.cell_list:
                text_fragment_collection = cell.text_fragments
                for fragment in text_fragment_collection:
                    txt = ""
                    for seg in fragment.segments:
                        txt += seg.text
                    print(txt)