Tento článek popisuje, jak extrahovat data z PDF formuláře pomocí Pythonu. Obsahuje všechny podrobnosti pro nastavení IDE, seznam kroků a ukázkový kód pro přístup k datům polí formuláře. Ukázkový kód vytvoří testovací PDF s poli a hodnotami a získá data ze všech polí.
Kroky k extrakci dat z polí PDF formuláře pomocí Pythonu
- Nastavit prostředí pro použití Aspose.PDF pro Python přes .NET k extrakci dat z formuláře
- Vytvořit nebo načíst PDF soubor do objektu Document s vstupními poli obsahujícími data
- Získat všechna pole z vlastnosti form načteného PDF dokumentu
- Procházet všechna pole a přistupovat k jednotlivým polím
- Zobrazit plný název pole a jeho hodnotu
Tyto kroky popisují, jak extrahovat data z vyplnitelného PDF pomocí Pythonu. Vytvořte nebo načtěte PDF soubor s poli a hodnotami a přistupte ke kolekci polí z vlastnosti Form v PDF souboru. Projděte všechna pole a přistupte k plnému názvu a hodnotě pro zpracování.
Kód pro extrakci polí formuláře z PDF pomocí Pythonu
| import aspose.pdf as pdf | |
| from aspose.pdf import Document, License, Rectangle | |
| from aspose.pdf.forms import TextBoxField | |
| def main(): | |
| # Load Aspose PDF license | |
| license = License() | |
| license.set_license("license.lic") | |
| # Generate PDF with input fields | |
| create_pdf_with_fields() | |
| # Open and process the generated PDF file | |
| pdf_document = Document("UserForm.pdf") | |
| # Retrieve and display form fields | |
| form_fields = pdf_document.form.fields | |
| for form_field in form_fields: | |
| print("Field Name:", form_field.full_name) | |
| print("Field Content:", form_field.value) | |
| def create_pdf_with_fields(): | |
| # Instantiate new PDF document | |
| pdf_file = Document() | |
| for page_index in range(1, 4): # 3 pages | |
| new_page = pdf_file.pages.add() | |
| for field_index in range(1, 5): # 4 fields per page | |
| # Define a text input field | |
| input_field = TextBoxField(new_page, Rectangle(120, field_index * 90, 320,(field_index + 1) * 90,True)) | |
| input_field.partial_name = f"inputField_{page_index}_{field_index}" | |
| input_field.value = f"Data Entry {page_index}-{field_index}" | |
| # Attach field to the document form | |
| pdf_file.form.add(input_field, page_index) | |
| # Save document to disk | |
| pdf_file.save("UserForm.pdf") | |
| main() |
Tento kód ukázal, jak extrahovat data z PDF formuláře. Použili jsme kolekci Document.form.fields, která obsahuje všechna pole v PDF. Můžete filtrovat pole z konkrétní stránky pomocí page_index v objektu Field přístupném z kolekce.
Tento článek nás naučil proces čtení dat z PDF formuláře. Pokud chcete PDF soubor zploštit, podívejte se na článek o Jak zploštit PDF v Pythonu.
