Extraia dados vetoriais do PDF em Python
Como extrair dados vetoriais de um PDF usando Python
Como extrair dados vetoriais de um PDF usando o Aspose.PDF para a ferramenta Python for .NET
Você precisa extrair dados vetoriais 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 dados vetoriais 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 dados vetoriais 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 dados vetoriais do PDF em Python
Para testar o código em seu ambiente, você precisa de Aspose.PDF para Python.
- Abra o documento PDF.
- Crie um absorvedor gráfico.
- Visite a página de destino.
- Recupere elementos gráficos extraídos.
Extraia dados vetoriais do PDF com Python
Este exemplo de código mostra como extrair dados vetoriais 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_graphics_elements(infile, outfile):
"""
Extract vector graphic elements from a specified page of a PDF and log basic element properties.
Args:
infile (str): Path to input PDF file.
outfile (str): Path to output text file for logging element info.
"""
document = ap.Document(infile)
gr_absorber = ap.vector.GraphicsAbsorber()
# Visit page 2 (pages collection is 1-indexed; document.pages[1] is the second page)
gr_absorber.visit(document.pages[1])
elements = gr_absorber.elements
with open(outfile, "w", encoding="utf-8") as f:
for idx, elem in enumerate(elements, start=1):
# Basic properties
rect = elem.rectangle
pos = elem.position
ops_count = len(elem.operators)
f.write(f"Element {idx}: Rectangle = {rect}, Position = {pos}, Operators = {ops_count}\n")