Extraire des tableaux d’un PDF en Python
Comment extraire des tableaux d’un PDF à l’aide de Python
Comment extraire des tableaux d'un PDF à l'aide de l'outil Aspose.PDF pour Python for .NET
Avez-vous besoin d’extraire des tableaux d’un 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 tableaux à partir d’un PDF. Ces bibliothèques sont des solutions autonomes qui ne dépendent d’aucun autre logiciel et sont prêtes pour un usage commercial. Ils couvrent tous les besoins possibles des développeurs Python professionnels.
- Extraire le texte du 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 des tableaux 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 des tableaux d’un PDF en Python
Pour essayer le code dans votre environnement, vous avez besoin de Aspose.PDF pour Python.
- Ouvrez le document PDF.
- Parcourez toutes les pages du document.
- Créez un absorbeur de tableau pour la page.
- Assemblez la sortie de texte en ligne.
Extraire des tableaux d'un PDF avec Python
Cet exemple de code montre comment extraire des tableaux de documents 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_tables_from_pdf(infile):
# Open PDF document
document = ap.Document(infile)
# Iterate through each page in the document
for page in document.pages:
absorber = ap.text.TableAbsorber()
absorber.visit(page)
for table in absorber.table_list:
print("Table")
for row in table.row_list:
row_text = []
for cell in row.cell_list:
cell_text = []
for fragment in cell.text_fragments:
cell_text.append("".join(seg.text for seg in fragment.segments))
row_text.append("|".join(cell_text))
print("|".join(row_text))