Python 経由で PDF を抽出
Python for .NET ライブラリを使用して PDF からテキストと画像を抽出する方法
Python for .NET ライブラリで PDF を解析する方法
PDF を抽出する必要がありますか?プログラムによる PDF 文書の修正は、現代のデジタルワークフローに欠かせない要素です。Aspose.PDF のような Python ライブラリを使用すると、開発者は PDF からテキストを抽出したり、PDF から画像を抽出したりできます。これらのライブラリは他のソフトウェアに依存しないスタンドアロンソリューションであり、すぐに商用利用が可能です。プロの Python 開発者のあらゆるニーズに応えます。
- PDF データ (テキスト、画像、フォーム、フィールドなど) を抽出
- PDF からテキストを抽出
- PDF から画像を抽出
- PDF からフォントを抽出
- フォームからデータを抽出
- スタンプからテキストを抽出
- テーブルからデータを抽出
PDF ファイルを抽出するには、python-net プラットフォーム向けの機能豊富で強力で使いやすいドキュメント操作 API である Aspose.PDF for .NET API を使用します。NuGet パッケージマネージャーを開き、Aspose.PDF を検索してインストールします。パッケージマネージャーコンソールから以下のコマンドを使用することもできます。
Console
pip install aspose-pdfPython 経由で PDF を解析
お使いの環境でコードを試すには、Aspose.PDF for Python が必要です。
- PDF に Document のインスタンスをロードします。
- TextAbsorber オブジェクトを作成してテキストを抽出します。
- すべてのページのアブソーバーを受け入れます。
- 抽出したテキストを取得
- ライターを作成してファイルを開き、ファイルに 1 行のテキストを書き込む
PDF ファイルの抽出-Python
このサンプルコードは、PDF ドキュメントを抽出する方法を示しています。
Input file:
File not added
Output format:
PDF
Output file:
import aspose.pdf as apdf
from os import path
path_infile = path.join(self.data_dir, infile)
path_outfile = path.join(self.data_dir, outfile)
document = apdf.Document(path_infile)
textAbsorber = apdf.text.TextAbsorber()
document.pages.accept(textAbsorber)
extractedText = textAbsorber.text
with open(path_outfile, 'w') as f:
f.write(extractedText)