Python を使って PDF からテーブルを抽出

PDF ドキュメントからテーブルを抽出します。プログラムで PDF ファイルを変更するには、Aspose.PDF for Python for .NET を使用してください

Python for .NET ライブラリを使用して PDF ドキュメントからテーブルを抽出する方法

テーブルを抽出するために、python-net プラットフォーム用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次のコマンドを使用することもできます。

Console

pip install aspose-pdf

Python を介して PDF からテーブルを抽出


お使いの環境でコードを試すには Aspose.PDF for .NET が必要です。

1。必要なライブラリをインポートする。 1.PDF ドキュメントをロードします。 1.「テーブルアブソーバー」を初期化し、ページを繰り返し処理する 1.テーブルの内容を抽出 1.抽出したデータを保存する (オプション)

PDF からテーブルを抽出-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)