Extraire le texte du tampon au format PDF via Python
Comment extraire du texte d’un tampon dans un PDF à l’aide de Python
Comment extraire le texte des annotations de timbres dans un PDF à l'aide de l'outil Aspose.PDF pour Python for .NET
Avez-vous besoin d’extraire le texte d’un tampon au format PDF ? La modification programmatique de documents PDF est un élément essentiel des flux de travail numériques modernes. Avec les bibliothèques Python telles que Aspose.PDF, les développeurs peuvent extraire des polices d’un PDF. Ces bibliothèques sont des solutions autonomes qui ne dépendent d’aucun autre logiciel et sont prêtes à être utilisées commercialement. Ils couvrent tous les besoins possibles des développeurs Python professionnels.
- Extraire le texte d’un PDF
- Extraire des images d’un PDF
- Extraire des polices d’un PDF
- Extraire les données du formulaire
- Extraire le texte des timbres
- Extraire les données du tableau
Afin d’extraire les polices d’un fichier PDF, nous utiliserons l’API Aspose.PDF pour .NET qui est une API de manipulation de documents riche en fonctionnalités, puissante et facile à utiliser pour la plate-forme python-net. Ouvrez le gestionnaire de packages NuGet, recherchez Aspose.PDF et installez-le. Vous pouvez également utiliser la commande suivante depuis la console Package Manager.
Console
pip install aspose-pdfExtraire le texte du tampon au format PDF via Python
Pour essayer le code dans votre environnement, vous avez besoin de Aspose.PDF pour Python.
- Ouvrez le document PDF
- Accédez à la première page du document.
- Parcourez toutes les annotations de la page.
- Filtrez uniquement les annotations des tampons.
Extraire le texte du tampon au format PDF via Python
Cet exemple de code montre comment extraire du texte d'un tampon dans des documents 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)