Estrai tabelle da PDF tramite Python

Estrai la tabella dal documento PDF. Usa Aspose.PDF per Python for .NET per modificare i file PDF a livello di codice

Come estrarre tabelle dal documento PDF utilizzando la libreria Python for .NET

Per estrarre la tabella, utilizza Aspose.PDF for Python via .NET, un’API potente e facile da usare. Apri PyPI, cerca aspose-pdf e installalo. In alternativa, esegui il comando:

Console

pip install aspose-pdf

Estrai tabelle da PDF tramite Python


È necessario Aspose.PDF for .NET per provare il codice nel proprio ambiente.

  1. Importa le librerie necessarie
  2. Carica il documento PDF
  3. Inizializza il TableAbsorber e ripeti l’iterazione sulle pagine
  4. Estrai il contenuto della tabella
  5. Salva i dati estratti (opzionale)

Estrai tabelle dal PDF - Python

import aspose.pdf as apdf

from os import path

path_infile = path.join(self.data_dir, infile)

# Load source PDF document
pdf_document = apdf.Document(path_infile)
for page in pdf_document.pages:
    absorber = apdf.text.TableAbsorber()
    absorber.visit(page)
    for table in absorber.table_list:
        for row in table.row_list:
            for cell in row.cell_list:
                text_fragment_collection = cell.text_fragments
                for fragment in text_fragment_collection:
                    txt = ""
                    for seg in fragment.segments:
                        txt += seg.text
                    print(txt)