Extraia tabelas do PDF em Python
Como extrair tabelas de um PDF usando Python
Como extrair tabelas de um PDF usando o Aspose.PDF para a ferramenta Python for .NET
Você precisa extrair tabelas do PDF? A modificação programática de documentos PDF é uma parte essencial dos fluxos de trabalho digitais modernos. Com bibliotecas Python como Aspose.PDF, os desenvolvedores podem extrair tabelas do PDF. Essas bibliotecas são soluções independentes que não dependem de outros softwares e estão prontas para uso comercial. Eles cobrem todas as necessidades possíveis dos desenvolvedores profissionais de Python.
- Extrair texto do PDF
- Extrair imagens do PDF
- Extrair fontes do PDF
- Extrair dados do formulário
- Extrair texto de carimbos
- Extrair dados da tabela
Para extrair tabelas do 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, pesquise Aspose.PDF e instale. Você também pode usar o seguinte comando no console do gerenciador de pacotes.
Console
pip install aspose-pdfExtraia tabelas do PDF em Python
Para testar o código em seu ambiente, você precisa de Aspose.PDF para Python.
- Abra o documento PDF.
- Percorra todas as páginas do documento.
- Crie um absorvedor de mesa para a página.
- Monte a saída de texto da linha.
Extraia tabelas do PDF com Python
Este exemplo de código mostra como extrair tabelas de documentos PDF
Input file:
File not added
Output format:
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))