以 Python 提取 PDF
如何使用 Python for .NET 庫從PDF中提取文本和圖像
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
若要在你的環境中嘗試代碼，你需要 [阿波斯.PDF Python](https://releases.aspose.com/pdf/net）。
- 載入包含文件實例的 PDF。
- 建立文字吸收器物件以提取文字。 1.接受所有頁面的吸收器。
- 獲取提取的文字 1.創建一個編寫器並打開檔，向檔寫入一行文本
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()