Extraiga datos vectoriales de un PDF en Python
Cómo extraer datos vectoriales de un PDF usando Python
Cómo extraer datos vectoriales de un PDF con la herramienta Aspose.PDF for Python for .NET
¿Necesita extraer datos vectoriales de un 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 datos vectoriales de 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 datos vectoriales 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 datos vectoriales de un PDF en Python
Para probar el código en su entorno, necesita Aspose.PDF para Python.
- Abra el documento PDF.
- Cree un absorbedor de gráficos.
- Visita la página de destino.
- Recupera los elementos gráficos extraídos.
Extrae datos vectoriales de un PDF con Python
Este código de ejemplo muestra cómo extraer datos vectoriales de documentos PDF
Input file:
File not added
Output format:
Output file:
import aspose.pdf as ap
from os import path
from config import set_license, initialize_data_dir
def extract_graphics_elements(infile, outfile):
"""
Extract vector graphic elements from a specified page of a PDF and log basic element properties.
Args:
infile (str): Path to input PDF file.
outfile (str): Path to output text file for logging element info.
"""
document = ap.Document(infile)
gr_absorber = ap.vector.GraphicsAbsorber()
# Visit page 2 (pages collection is 1-indexed; document.pages[1] is the second page)
gr_absorber.visit(document.pages[1])
elements = gr_absorber.elements
with open(outfile, "w", encoding="utf-8") as f:
for idx, elem in enumerate(elements, start=1):
# Basic properties
rect = elem.rectangle
pos = elem.position
ops_count = len(elem.operators)
f.write(f"Element {idx}: Rectangle = {rect}, Position = {pos}, Operators = {ops_count}\n")