Estrai le tabelle dal PDF in Python
Come estrarre tabelle da PDF utilizzando Python
Come estrarre tabelle da PDF utilizzando Aspose.PDF for Python for .NET Tool
Hai bisogno di estrarre tabelle da PDF? La modifica programmatica dei documenti PDF è una parte essenziale dei moderni flussi di lavoro digitali. Con librerie Python come Aspose.PDF, gli sviluppatori possono estrarre tabelle da PDF. Queste librerie sono soluzioni autonome che non si basano su altri software e sono pronte per l’uso commerciale. Coprono tutte le possibili esigenze degli sviluppatori Python professionisti.
- Estrai testo da PDF
- Estrai immagini da PDF
- Estrai caratteri da PDF
- Estrai dati dal modulo
- Estrai testo dai timbri
- Estrai dati dalla tabella
Per estrarre le tabelle dal file PDF, utilizzeremo l’API Aspose.PDF for .NET, un’API di manipolazione dei documenti ricca di funzionalità, potente e facile da usare per la piattaforma python-net. Apri il gestore di pacchetti NuGet, cerca Aspose.PDF e installa. È inoltre possibile utilizzare il seguente comando dalla console di Package Manager.
Console
pip install aspose-pdfEstrai le tabelle dal PDF in Python
Per provare il codice nel tuo ambiente, hai bisogno di Aspose.PDF for Python.
- Apri il documento PDF.
- Scorri tutte le pagine del documento.
- Crea un assorbitore da tavolo per la pagina.
- Assembla l’output di testo delle righe.
Estrai tabelle da PDF con Python
Questo codice di esempio mostra come estrarre tabelle da documenti 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))