この簡単なチュートリアルでは、Python で PDF テーブルを読み取る方法 のプロセスについて説明します。開発環境を設定するためのすべての基本情報、アプリケーションを作成するための一連の手順、およびPython で PDF からテーブルを抽出するための実行可能なサンプル コードを示します。テーブルの各セルにアクセスし、その中のすべてのデータを取得するためのガイダンスが表示されます。
Python を使用して PDF からテーブル データを抽出する手順
- テーブルを読み取るために、環境を .NET 経由で Aspose.PDF for Python を使用 に設定します
- テーブルを持つ Document クラスを使用してソース PDF ファイルを読み込みます
- 読み込まれた PDF ファイルからテーブルを読み取るために、TableAbsorber クラス オブジェクトのインスタンスを作成します。
- ページを選択し、その中のすべてのテーブルを解析します
- 最初のテーブルにアクセスし、行と列を解析してセル内のすべての TextFragment インスタンスを取得します
- すべてのテキスト フラグメントを解析し、各フラグメントのテキストを表示します
これらの手順は、Python で PDF テーブルを読み取る プロセスを説明しています。このプロセスは、PDF ファイルをロードしてから、PDF ファイルからテーブルを読み取るメソッドを持つ TableAbsorber オブジェクトを作成することから始まります。特定のページですべてのテーブルが解析されると、最初のテーブルがコレクションからアクセスされ、次に各行と列が解析されて、データをフェッチするためのテキスト フラグメントのコレクションが取得されます。
Python を使用して PDF からテーブルを抽出するコード
| import aspose.pdf as pdf | |
| # Load the license | |
| license = pdf.License() | |
| license.set_license("Aspose.Total.lic") | |
| # Load source PDF | |
| pdfDocument = pdf.Document("PdfWithTable.pdf") | |
| # Declare and initialize TableAbsorber object | |
| tableAbsorber = pdf.text.TableAbsorber() | |
| # Parse all the tables | |
| tableAbsorber.visit(pdfDocument.pages[1]) | |
| # Get a reference to the first table | |
| absorbedTable = tableAbsorber.table_list[0] | |
| # Iterate through all the rows | |
| for pdfTableRow in absorbedTable.row_list: | |
| # Iterate through all the columns | |
| for pdfTableCell in pdfTableRow.cell_list: | |
| # Fetch the text fragments | |
| textFragmentCollection = pdfTableCell.text_fragments | |
| # Iterate through the text fragments | |
| for textFragment in textFragmentCollection: | |
| # Display the text | |
| print(textFragment.text) | |
| print("Data read successfully from the table") |
上記のコードは、python read pdf table を使用してそのデータを取得して処理する方法を示しています。 TableAbsorber クラスで visit() メソッドを呼び出すと、個々のテーブルにアクセスするために使用される table_list 配列が埋められます。テーブル コレクション内の各テーブルには、列コレクションへのアクセスを提供する cell_list プロパティを持つ row_list プロパティがあり、最終的に text_fragments プロパティに到達して、特定のセル内のデータのコレクションを取得します。
この記事では、PDF からテーブルを抽出する Python を簡単に使用できることを教えてくれました。 PDF のブックマークを読み取るプロセスについて知りたい場合は、Python を使用して PDF のブックマークを読み取る方法 の記事を参照してください。
