繁體中文
  1. 產品
  2.   Aspose.Total
  3.   Python via .NET
  4.   Parse
  5.   使用 Python 在線從 PDF 檔案中提取文字和圖像

線上解析 PDF 檔案以及透過 Python 提取文字或圖像

開發基於 Python 的強大 PDF 文件解析器實用程式。列出了透過 Python 進行 PDF 文件圖像和文字提取的程式碼。

下載

透過線上應用程式解析 PDF 文檔

  1. 透過上傳導入PDF檔案進行解析。
  2. 透過拖放解析器應用程式在放置區域內點擊來完成此操作。
  3. 根據 PDF 檔案的大小和網路速度，等待幾秒鐘。
  4. 按一下“立即解析”按鈕來解析文件。
  5. 下載解析的文件以立即查看。

透過 Python 從 PDF 檔案中提取文本

  1. 直接從 PyPI ( Aspose.Words ) 參考項目內的 API
  2. 使用 Document 類別載入 PDF 文件
  3. 使用save方法將其儲存為.txt文件
  4. 所有 PDF 內容都呈現為文字
 

Python 中提取 PDF 文件文字的程式碼範例

 

透過Python從PDF檔案中擷取影像

  1. 直接從 PyPI ( Aspose.Words ) 參考項目內的 API
  2. 使用 Document 類別物件載入 PDF
  3. 將文件另存為 Word 文件
  4. 使用 Document 類別物件載入 Word 文件
  5. 儲存在 Document 物件的 Shape 節點中的映像
  6. 若要選取所有形狀節點，請使用 Document.get_child_nodes 方法
  7. 循環遍歷結果節點集合
  8. 如果 Shape.has_image 傳回 true。
  9. 使用 Shape.image_data 屬性擷取影像資料。
  10. 將影像資料儲存到檔案中
 

Python 中提取 PDF 文件圖像的程式碼範例

 
 

Develop PDF File Parser Application via Python

需要開發 PDF 解析器應用程式或實用程式？透過 Aspose.Words for Python via .NET （ Aspose.Total for Python via .NET 的子 API），任何 Python 開發人員都可以將上述 API 程式碼整合到其文件解析器應用程式中。強大的 Python 庫允許對任何文件解析解決方案進行編程以提取圖像和文字。而且它可以支援許多流行的格式，包括PDF格式。

用於為解析器應用程式處理 PDF 檔案的 Python 實用程式

還有其他選項可以將“ Aspose.Words for Python via .NET ”或“ Aspose.Total for Python via .NET ”安裝到您的系統上。請選擇符合您需求的一項並按照逐步說明進行操作：

系統需求

  • 安裝了Python 3.5或更高版本
  • GCC-6 運行時庫（或更高版本）。
  • 對於 Python 3.5-3.7：需要 Python 的 pymalloc 版本。

    欲了解更多詳情，請參閱 Product Documentation 。

常見問題解答

  • 我可以在我的應用程式中使用上述 Python 程式碼嗎？
    是的，歡迎您下載此程式碼並使用它來開發基於 Python 的文檔解析器應用程式。此程式碼可以作為寶貴的資源來增強專案在後端文件處理領域的功能和能力，例如讀取節點和載入文件以進行文字和圖像提取。
  • 這個線上文件解析器應用程式只能在 Windows 上運行嗎？
    您可以靈活地在任何裝置上啟動文件解析，無論其執行的作業系統是 Windows、Linux、Mac OS 還是 Android。所需要的只是一個現代的網路瀏覽器和一個活躍的網路連線。
  • 使用線上應用程式解析 PDF 文件安全嗎？
    當然！透過我們的服務產生的輸出檔案將在 24 小時內安全地自動從我們的伺服器中刪除。因此，與這些文件關聯的顯示連結將在此期限後停止運行。
  • App該用什麼瀏覽器？
    您可以使用任何現代 Web 瀏覽器（例如 Google Chrome、Firefox、Opera 或 Safari）作為線上 PDF 文件解析器。但是，如果您正在開發桌面應用程序，我們建議使用 Aspose.Total 文件處理 API 進行高效管理。

探索檔案解析器 Python 選項

解析 DOC 文件 (Microsoft Word 二進制格式)
解析 DOCX 文件 (Office 2007+ Word文檔)
解析 DOT 文件 (Microsoft Word 模板文件)
解析 DOTX 文件 (微軟 Word 模板文件)
解析 ODP 文件 (OpenDocument 演示文稿格式)
解析 ODT 文件 (OpenDocument 文本文件格式)
解析 OTT 文件 (打開文檔模板)
解析 PDF 文件 (便攜式文檔格式)
解析 POWERPOINT 文件 (演示文件)
解析 PPT 文件 (PowerPoint演示文稿)
解析 PPTX 文件 (打開 XML 表示格式)
解析 RTF 文件 (富文本格式)
解析 WORD 文件 (文字處理文件格式)

什麼是 PDF 文件格式

PDF 或便攜式文檔格式是一種文件格式，旨在以一種在各種軟件應用程序、硬件設備和操作系統之間保持一致的方式呈現文檔。每個 PDF 文件都包含對固定佈局文檔的全面描述，包括文本、字體、圖形和其他準確顯示所需的信息。 PDF 最初由 Adobe Systems 在 1990 年代初期開發，用作共享計算機文檔的一種方式，同時保留文本格式和內嵌圖像。

PDF 文件通常使用 Adobe Acrobat 或類似的 PDF 創建工具等軟件生成。目前，PDF 已成為國際標準化組織 (ISO) 管理的開放標準。這種標準化確保了跨不同平台和系統的兼容性和互操作性。要查看 PDF 文件，用戶可以使用免費軟件，如 Adobe Reader 或其他可用的 PDF 查看器。

PDF 的一個顯著優勢是它的平台獨立性，允許在各種設備和設備上無縫查看和打印操作系統。無論使用何種硬件或軟件，文檔的佈局和內容都將保持不變。這種普遍的可訪問性促進了 PDF 的流行，使其成為跨不同平台和系統共享和分發文檔的首選格式。

PDF 封裝完整文檔（包括文本、字體、圖形和格式）的能力使得它是各種應用的可靠選擇。無論是共享重要報告、出版電子書、分發表格還是提供專業演示文稿，PDF 都能確保在不同環境中呈現一致的文檔呈現和可靠地保存內容。