Wyodrębnij tekst z pliku PDF w Python
Jak wyodrębnić tekst z pliku PDF przy użyciu biblioteki Python for .NET
Jak wyodrębnić tekst z pliku PDF przy użyciu biblioteki Python for .NET
Czy potrzebujesz wyodrębnić tekst z pliku PDF? Programowa modyfikacja dokumentów PDF jest istotną częścią nowoczesnych cyfrowych przepływów pracy. Dzięki bibliotekom Pythona, takim jak Aspose.PDF, programiści mogą wyodrębnić tekst z pliku PDF. Biblioteki te są samodzielnymi rozwiązaniami, które nie opierają się na innym oprogramowaniu i są gotowe do użytku komercyjnego. Obejmują wszystkie możliwe potrzeby profesjonalnych programistów Pythona.
- Wyodrębnij tekst z pliku PDF
- Wyodrębnij obrazy z pliku PDF
- Wyodrębnij czcionki z PDF
- Wyodrębnij dane z formularza
- Wyodrębnij tekst ze znaczków
- Wyodrębnij dane z tabeli
Aby wyodrębnić tekst z pliku PDF, użyjemy interfejsu API Aspose.PDF for .NET, który jest bogatym w funkcje, wydajnym i łatwym w użyciu interfejsem API do manipulacji dokumentami dla platformy python-net. Otwórz menedżera pakietów NuGet, wyszukaj Aspose.pdf i zainstaluj. Możesz także użyć następującego polecenia z konsoli Menedżera pakietów.
Python Package Manager Console
pip install aspose-pdfWyodrębnij tekst z pliku PDF w Python
Aby wypróbować kod w swoim środowisku, potrzebujesz Aspose.PDF for Python.
- Załaduj plik PDF z instancją dokumentu.
- Utwórz obiekt TextTabSorber, aby wyodrębnić tekst.
- Zaakceptuj absorber dla wszystkich stron.
- Pobierz wyodrębniony tekst
- Utwórz pisarza i otwórz plik, napisz wiersz tekstu do pliku
Wyodrębnij tekst z PDF - Python
Ten przykładowy kod pokazuje, jak wyodrębnić tekst z dokumentów PDF
Input file:
File not added
Output format:
Output file:
# Open document
document = Document(dataDir + "ExtractTextAll.pdf")
# Create TextAbsorber object to extract text
textAbsorber = TextAbsorber()
# Accept the absorber for all the pages
document.Pages.Accept(textAbsorber)
# Get the extracted text
extractedText = textAbsorber.Text
# Create a writer and open the file
tw = new StreamWriter(dataDir + "extracted-text.txt")
# Write a line of text to the file
tw.WriteLine(extractedText)
# Close the stream
tw.Close()