Extraia tabelas do PDF via Python

Extraia a tabela do documento PDF. Use o Aspose.PDF para 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, 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-pdf

Extraia tabelas do PDF via Python

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

Carregue o PDF com uma instância de Document.
Crie o objeto TableAbsorber para encontrar tabelas.
Visite a primeira página com absorvedor.
Obtenha a primeira tabela na página.
Retire a mesa. Salve o arquivo.

Extraia tabelas do 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)