Извлечь текст из PDF в Python
Как извлечь текст из PDF с помощью библиотеки Python for .NET
Как извлечь текст из PDF с помощью библиотеки Python for .NET
Вам нужно извлечь текст из PDF? Программная модификация PDF-документов — неотъемлемая часть современных цифровых рабочих процессов. С помощью библиотек Python, таких как Aspose.PDF, разработчики могут извлекать текст из PDF. Эти библиотеки представляют собой автономные решения, которые не зависят от другого программного обеспечения и готовы к коммерческому использованию. Они удовлетворяют 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 марок
- Извлечение данных из таблицы
Чтобы извлечь текст 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 менеджер пакетов NuGet, найдите aspose.pdf и установите. Вы также можете использовать следующую команду в консоли диспетчера пакетов.
Python Package Manager Console
pip install aspose-pdfИзвлечь текст из PDF в Python
Чтобы попробовать код в своей среде, вам понадобится Aspose.PDF для Python.
- Загрузите PDF-файл вместе с экземпляром документа.
- Создайте объект TextAbsorber для извлечения текста.
- Примите абсорбер для всех страниц.
- Получите извлеченный текст
- Создайте писателя и откройте файл, напишите в файл строку текста
Извлечь текст из PDF - Python
В этом примере кода показано, как извлекать текст из PDF-документов
Input file:
File not added
Output format:
Output file:
# Open document
document = Document(dataDir + "ExtractTextAll.pdf")
# Create TextAbsorber object to extract text
textAbsorber = TextAbsorber()
# Accept the absorber for all the pages
document.Pages.Accept(textAbsorber)
# Get the extracted text
extractedText = textAbsorber.Text
# Create a writer and open the file
tw = new StreamWriter(dataDir + "extracted-text.txt")
# Write a line of text to the file
tw.WriteLine(extractedText)
# Close the stream
tw.Close()