Extraia tabelas do documento PDF via Python
Como extrair a tabela do PDF usando a biblioteca 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-pdfExtraia 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)