Extraia anexos do PDF via Python
Como extrair anexos de um PDF programaticamente com Python
Como extrair anexos usando a biblioteca Python for .NET
Para extrair anexos em arquivo PDF, usaremos a API Aspose.PDF for .NET, que é uma API de manipulação de documentos rica em recursos, poderosa e fácil de usar para a plataforma python-net. Abra o gerenciador de pacotes NuGet, procure por Aspose.pdf e instale. Você também pode usar o seguinte comando no Console do Gerenciador de Pacotes.
Python Package Manager Console
pip install aspose-pdfExtrair anexos do PDF Python
Você precisa do Aspose.PDF para .NET para testar o código em seu ambiente.
- Obtenha a coleção de arquivos incorporados.
- Obtenha a contagem dos arquivos incorporados.
- Percorra a coleção para obter todos os anexos.
- Verifique se o objeto de parâmetro contém os parâmetros.
- Obtenha o Anexo e grave em arquivo ou stream.
Extrair anexo de um documento PDF
def attachment_extract(self, infile):
path_infile = self.dataDir + infile
# Open document
pdfDocument = Document(path_infile)
# Get embedded files collection
embeddedFiles = pdfDocument.EmbeddedFiles
# Get count of the embedded files
print ( "Total files : %d " % (embeddedFiles.Count))
count = 1
# Loop through the collection to get all the attachments
for fileSpecification in embeddedFiles:
print("Name: " + fileSpecification.Name)
print("Description: " + fileSpecification.Description)
print("Mime Type: " + fileSpecification.MIMEType)
# Check if parameter object contains the parameters
if (fileSpecification.Params != None):
print("CheckSum: " + fileSpecification.Params.CheckSum)
print("Creation Date: " + fileSpecification.Params.CreationDate)
print("Modification Date " + fileSpecification.Params.ModDate)
print("Size: " + fileSpecification.Params.Size)
# Get the attachment and write to file or stream
File.WriteAllBytes(self.dataDir + count + "_out" + ".txt", fileSpecification.Contents)
count+=1