以 Python 从 PDF 中提取文本
如何使用 Python for .NET 库从 PDF 中提取文本
如何使用 Python for .NET 库从 PDF 中提取文本
你需要从 PDF 中提取文本吗？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。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。
- 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
为了从 PDF 文件中提取文本，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以 Python 从 PDF 中提取文本
要在你的环境中试用代码，你需要 Aspose.PDF for Python。
1.在 PDF 中加载 “文档” 实例。 1.创建 textabSorber 对象来提取文本。 1.接受所有页面的吸收器。 1.获取提取的文本 1.创建一个写入器并打开文件，在文件中写一行文本
从 PDF 中提取文本-Python
此示例代码显示如何从 PDF 文档中提取文本
Input file:
File not added
Output format:
PDF
Output file:
import aspose.pdf as ap
# Open document
dataDir = "..."
document = ap.Document(dataDir + "sample.pdf")
# Create TextAbsorber object to extract text
textAbsorber = ap.text.TextAbsorber()
# Accept the absorber for all the pages
document.pages.accept(textAbsorber)
# Get the extracted text
extractedText = textAbsorber.text
with open('sample.txt', 'w') as f:
f.write(extractedText)