Extraia tabelas do PDF via Python

Extraia a tabela do documento PDF. Use o Aspose.PDF for Python for .NET para modificar arquivos PDF de forma programática

C# Java C++ Python

Como extrair tabelas de um documento PDF usando a biblioteca Python for .NET

Para extrair a tabela, utilize Aspose.PDF for Python via .NET, uma API poderosa e fácil de utilizar. Abra o PyPI, pesquise por aspose-pdf e instale-o. Em alternativa, execute o comando:

Console

pip install aspose-pdf

Extraia tabelas do PDF via Python

Você precisa Aspose.PDF for .NET testar o código em seu ambiente.

Importe as bibliotecas necessárias
Carregue o documento PDF
Inicialize o TableAbsorber e repita nas páginas
Extrair o conteúdo da tabela
Salvar dados extraídos (opcional)

Extraia tabelas do PDF - Python

import aspose.pdf as apdf

from os import path

path_infile = path.join(self.data_dir, infile)

# Load source PDF document
pdf_document = apdf.Document(path_infile)
for page in pdf_document.pages:
    absorber = apdf.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)