Python で PDF からテーブルを抽出する
Python を使って PDF からテーブルを抽出する方法
Aspose.PDF for Python for .NET ツールを使用して PDF からテーブルを抽出する方法
PDFから表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ものです。Aspose.PDF のような Python ライブラリを使用すると、開発者は PDF からテーブルを抽出できます。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。これらはプロのPython開発者のあらゆるニーズをカバーしています。
- 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 ファイルからテーブルを抽出するには、python-net プラットフォーム用の機能が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次のコマンドを使用することもできます。
Console
pip install aspose-pdfPython で PDF からテーブルを抽出する
ご使用の環境でコードを試すには、Aspose.PDF for Python が必要です。
1。PDF ドキュメントを開きます。 1。文書内のすべてのページを繰り返し処理します。 1。ページ用のテーブルアブソーバーを作成します。 1。行テキスト出力をアセンブルします。
Python を使って PDF からテーブルを抽出する
このサンプルコードは、PDF ドキュメントから表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 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))