以 Python 提取 PDF
如何使用 Python for .NET 库从 PDF 中提取文本和图像
如何使用 Python for .NET 库提取 PDF
你需要提取 PDF 吗？以编程方式修改 PDF 文档是现代数字工作流程的重要组成部分。使用像 Aspose.PDF 这样的 Python 库，开发者可以从 PDF 中提取文本或从 PDF 中提取图像。这些库是独立的解决方案，不依赖其他软件，可以用于商业用途。它们涵盖了专业 Python 开发人员的所有可能需求。
- 提取 PDF 数据：文本、图像、表单、字段等
- 从 PDF 中提取文本
- 从 PDF 中提取图片
- 从 PDF 中提取字体
- 从表单中提取数据
- 从邮票中提取文本
- 从表中提取数据
为了提取 PDF 文件，我们将使用 Aspose.PDF for .NET API，这是一款适用于 python-net 平台的功能丰富、功能强大且易于使用的文档处理 API。打开 NuGet 包管理器，搜索 aspose.pdf 然后安装。您也可以使用包管理器控制台中的以下命令。
Python Package Manager Console
pip install aspose-pdf通过 Python 解析 PDF
要在你的环境中试用这些代码，你需要 Aspose.PDF for .NET。
1.加载带有文档实例的 PDF。 1.创建 TextAbsorber 对象以提取文本。 1.接受所有页面的吸收剂。 1.获取提取的文本 1.创建一个 writer 并打开文件，在文件中写一行文本
提取 PDF 文件-Python
此示例代码显示如何提取 PDF 文档
Input file:
File not added
Output format:
PDF
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()