Extraer tablas de un PDF a través de Python

Extraer la tabla del documento PDF. Utilice Aspose.PDF for que Python for .NET modifique los archivos PDF mediante programación

C# Java C++ Python

Cómo extraer tablas de un documento PDF con la biblioteca Python for .NET

Para extraer la tabla, use Aspose.PDF for Python via .NET, una API potente y fácil de usar. Abra PyPI, busque aspose-pdf e instálelo. También puede ejecutar el comando:

Console

pip install aspose-pdf

Extraer tablas del PDF mediante Python

Necesita Aspose.PDF for .NET para probar el código en su entorno.

Importe las bibliotecas necesarias
Cargue el documento PDF
Inicializa el TableAbsorber e itera sobre las páginas
Extraer el contenido de la tabla
Guarde los datos extraídos (opcional)

Extraer tablas del 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)