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, useremo l’API Aspose.PDF for .NET che è un’API di manipolazione dei documenti ricca di funzionalità, potente e facile da usare per la piattaforma python-net. Apri il gestore pacchetti NuGet, cerca Aspose.pdf e installa. È inoltre possibile utilizzare il seguente comando dalla console di Gestione pacchetti.
Python Package Manager Console
pip install aspose-pdfEstrai tabelle da PDF tramite Python
È necessario Aspose.PDF for .NET per provare il codice nel proprio ambiente.
- Carica il PDF con un’istanza di Document.
- Creare l’oggetto TableAbsorber per trovare le tabelle.
- Visita la prima pagina con assorbitore.
- Ottieni la prima tabella sulla pagina.
- Rimuovi la tabella. Salvate il file.
Estrai tabelle dal PDF - Python
import aspose.pdf as ap
input_file = DIR_INPUT_TABLE + "Table_input.pdf"
# Load source PDF document
pdf_document = ap.Document(input_file)
for page in pdf_document.pages:
absorber = ap.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)