Wyodrębnij tabele z dokumentu PDF za pośrednictwem Python
Jak wyodrębnić tabelę z pliku PDF za pomocą biblioteki Python
Jak wyodrębnić tabele z dokumentu PDF przy użyciu biblioteki Python for .NET
Aby wyodrębnić tabelę, 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. Można również użyć następującego polecenia z konsoli Menedżera pakietów.
Python Package Manager Console
pip install aspose-pdfWyodrębnij tabele z pliku PDF za pośrednictwem Python
Potrzebujesz Aspose.PDF for .NET, aby wypróbować kod w swoim środowisku.
- Załaduj plik PDF z wystąpieniem dokumentu.
- Tworzenie obiektu TableAbsorber znaleźć tabele.
- Odwiedź pierwszą stronę z absorberem.
- Zdobądź pierwszą tabelę na stronie.
- Usuń tabelę. Zapisz plik.
Wyodrębnij tabele z 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)