Извлеките таблицы из PDF в Python
Как извлечь таблицы из PDF с помощью Python
Как извлечь таблицы из PDF с помощью инструмента Aspose.PDF для Python for .NET
Нужно ли извлекать таблицы из PDF? Программная модификация PDF-документов является неотъемлемой частью современных цифровых рабочих процессов. С помощью библиотек Python, таких как Aspose.PDF, разработчики могут извлекать таблицы из PDF. Эти библиотеки представляют собой автономные решения, которые не зависят от другого программного обеспечения и готовы к коммерческому использованию. Они охватывают все возможные потребности профессиональных разработчиков Python.
- Извлечение текста из PDF
- Извлечение изображений из PDF
- Извлечение шрифтов из PDF
- Извлечение данных из формы
- Извлечение текста из штампов
- Извлечение данных из таблицы
Для извлечения таблиц из PDF-файла мы будем использовать API Aspose.PDF for .NET, который представляет собой многофункциональный, мощный и простой в использовании API для работы с документами для платформы python-net. Откройте диспетчер пакетов NuGet, найдите aSpose.pdf и установите. Вы также можете использовать следующую команду из консоли диспетчера пакетов.
Console
pip install aspose-pdfИзвлеките таблицы из PDF в Python
Чтобы попробовать код в своей среде, вам понадобится Aspose.PDF для Python.
- Откройте PDF-документ.
- Просмотрите все страницы документа.
- Создайте абсорбер таблицы для страницы.
- Соберите текстовый вывод строк.
Извлеките таблицы из PDF с помощью Python
В этом примере кода показано, как извлекать таблицы из PDF-документов
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))