Extraire le PDF en Python
Comment extraire du texte et des images d’un PDF à l’aide de la bibliothèque Python for .NET
Action la plus populaire avec Parser
Comment extraire un PDF avec la bibliothèque Python for .NET
Avez-vous besoin d’extraire un PDF ? La modification programmatique des documents PDF est un élément essentiel des flux de travail numériques modernes. Avec les bibliothèques Python telles que Aspose.PDF, les développeurs peuvent extraire du texte d’un PDF ou extraire des images d’un PDF. Ces bibliothèques sont des solutions autonomes qui ne s’appuient sur aucun autre logiciel et sont prêtes à être utilisées à des fins commerciales. Ils couvrent tous les besoins possibles des développeurs Python professionnels.
- Extraire des données PDF : textes, images, formulaires, champs, etc.
- Extraire le texte d’un PDF
- Extraire des images d’un PDF
- Extraire les polices d’un PDF
- Extraire les données du formulaire
- Extraire le texte des timbres
- Extraire les données du tableau
Pour extraire le fichier PDF, nous utiliserons l’API Aspose.PDF for .NET qui est une API de manipulation de documents riche en fonctionnalités, puissante et facile à utiliser pour la plateforme python-net. Ouvrez le gestionnaire de packages NuGet, recherchez Aspose.pdf et installez-le. Vous pouvez également utiliser la commande suivante depuis la console du gestionnaire de packages.
Python Package Manager Console
pip install aspose-pdfAnalyser le PDF via Python
Pour essayer le code dans votre environnement, il vous faut Aspose.PDF for .NET.
- Chargez le PDF avec une instance de Document.
- Créez un objet TextAbsorber pour extraire du texte.
- Acceptez l’absorbeur pour toutes les pages.
- Obtenir le texte extrait
- Créez un rédacteur et ouvrez le fichier, écrivez une ligne de texte dans le fichier
Extraire des fichiers PDF - Python
Cet exemple de code montre comment extraire des documents PDF
Input file:
File not added
Output format:
Output file:
# Open document
document = Document(dataDir + "ExtractTextAll.pdf")
# Create TextAbsorber object to extract text
textAbsorber = TextAbsorber()
# Accept the absorber for all the pages
document.Pages.Accept(textAbsorber)
# Get the extracted text
extractedText = textAbsorber.Text
# Create a writer and open the file
tw = new StreamWriter(dataDir + "extracted-text.txt")
# Write a line of text to the file
tw.WriteLine(extractedText)
# Close the stream
tw.Close()