Ekstrak tabel dari PDF dalam Python
Cara Mengekstrak tabel dari PDF menggunakan Python
Cara mengekstrak tabel dari PDF menggunakan Aspose.PDF untuk alat Python for .NET
Apakah Anda perlu mengekstrak tabel dari PDF? Modifikasi terprogram dokumen PDF adalah bagian penting dari alur kerja digital modern. Dengan pustaka Python seperti Aspose.PDF, pengembang dapat mengekstrak tabel dari PDF. Perpustakaan ini adalah solusi yang berdiri sendiri yang tidak bergantung pada perangkat lunak lain dan siap untuk penggunaan komersial. Mereka mencakup semua kemungkinan kebutuhan pengembang Python profesional.
- Ekstrak teks dari PDF
- Ekstrak Gambar dari PDF
- Ekstrak Font dari PDF
- Ekstrak Data dari Formulir
- Ekstrak Teks Dari Perangko
- Ekstrak Data dari Tabel
Untuk mengekstrak tabel dari file PDF, kita akan menggunakan API Aspose.PDF untuk.NET yang merupakan API manipulasi dokumen yang kaya fitur, kuat, dan mudah digunakan untuk platform python-net. Buka manajer paket NuGet, cari Aspose.PDF dan instal. Anda juga dapat menggunakan perintah berikut dari Konsol Manajer Paket.
Console
pip install aspose-pdfEkstrak tabel dari PDF dalam Python
Untuk mencoba kode di lingkungan Anda, Anda memerlukan Aspose.PDF untuk Python.
- Buka Dokumen PDF.
- Iterasi melalui semua halaman dalam dokumen.
- Buat penyerap tabel untuk halaman.
- Merakit output teks baris.
Ekstrak tabel dari PDF dengan Python
Kode sampel ini menunjukkan cara mengekstrak tabel dari dokumen 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))