استخراج متن از تمبر در PDF از طریق Python
نحوه استخراج متن از تمبر در PDF با استفاده از Python
نحوه استخراج متن از حاشیه نویسی تمبر در PDF با استفاده از Aspose.PDF برای ابزار Python for .NET
آیا شما نیاز به استخراج متن از تمبر در PDF دارید؟ اصلاح برنامه نویسی اسناد PDF بخش مهمی از گردش کار دیجیتال مدرن است. با کتابخانه های پایتون مانند Aspose.PDF، توسعه دهندگان می توانند فونت ها را از PDF استخراج کنند. این کتابخانهها راه حلهای مستقل هستند که به نرمافزارهای دیگر تکیه ندارند و برای استفاده تجاری آماده هستند. آنها تمام نیازهای احتمالی توسعه دهندگان حرفه ای پایتون را پوشش می دهند.
- استخراج متن از PDF
- استخراج تصاویر از PDF
- استخراج فونت از PDF
- استخراج داده ها از فرم
- استخراج متن از تمبر
- استخراج داده ها از جدول
به منظور استخراج فونت از فایل PDF، از Aspose.PDF for .NET API استفاده خواهیم کرد که یک API دستکاری اسناد غنی از ویژگی، قدرتمند و آسان برای استفاده برای پلت فرم python-net است. مدیر بسته NuGet را باز کنید، Aspose.PDF را جستجو کنید و نصب کنید. همچنین می توانید از دستور زیر از کنسول مدیریت بسته استفاده کنید.
Console
pip install aspose-pdfاستخراج متن از تمبر در PDF از طریق Python
برای امتحان کد در محیط خود، به نیاز دارید Aspose.PDF برای پایتون.
۱. سند PDF را باز کنید ۱. به صفحه اول سند دسترسی پیدا کنید. ۱. تمام حاشیه نویسی ها را در صفحه تکرار کنید. ۱. فقط حاشیه نویسی تمبر را فیلتر کنید.
استخراج متن از تمبر در PDF از طریق Python
این کد نمونه نحوه استخراج متن از تمبر در اسناد PDF را نشان می دهد
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)