Extraiga el texto del sello en PDF a través de Python
Cómo extraer texto de un sello en PDF usando Python
Cómo extraer texto de las anotaciones de sellos en PDF con la herramienta Aspose.PDF for Python for .NET
¿Necesita extraer el texto del sello en PDF? La modificación programática de los documentos PDF es una parte esencial de los flujos de trabajo digitales modernos. Con bibliotecas de Python como Aspose.PDF, los desarrolladores pueden extraer fuentes de un PDF. Estas bibliotecas son soluciones independientes que no dependen de otro software y están listas para su uso comercial. Cubren todas las necesidades posibles de los desarrolladores profesionales de Python.
- Extraer texto de PDF
- Extraer imágenes de PDF
- Extraer fuentes de PDF
- Extraer datos del formulario
- Extraer texto de sellos
- Extraer datos de la tabla
Para extraer fuentes de un archivo PDF, utilizaremos la API Aspose.PDF for .NET, que es una API de manipulación de documentos rica en funciones, potente y fácil de usar para la plataforma python-net. Abra el administrador de paquetes NuGet, busque Aspose.PDF e instálelo. También puede usar el siguiente comando desde la consola del administrador de paquetes.
Console
pip install aspose-pdfExtraiga el texto del sello en PDF a través de Python
Para probar el código en su entorno, necesita Aspose.PDF para Python.
- Abrir el documento PDF
- Acceda a la primera página del documento.
- Revisa todas las anotaciones de la página.
- Filtra solo las anotaciones de sellos.
Extraiga el texto del sello en PDF a través de Python
Este código de ejemplo muestra cómo extraer texto del sello en documentos PDF
Input file:
File not added
Output format:
Output file:
import aspose.pdf as apdf
from os import path
path_infile = path.join(self.data_dir, infile)
path_outfile = path.join(self.data_dir, outfile)
document = apdf.Document(path_infile)
# Create TextAbsorber object to extract text
textAbsorber = apdf.text.TextAbsorber()
document.pages.accept(textAbsorber)
extractedText = textAbsorber.text
with open(path_outfile, 'w') as f:
f.write(extractedText)