Ten krótki samouczek poprowadzi Cię jak czytać treść PDF w Pythonie. Wprowadza wszystkie zasoby, niezbędne klasy i metody do wykorzystania w aplikacji. Zawiera również uruchamialny przykładowy kod do odczytywania plików PDF przy użyciu Pythona za pomocą zaledwie kilku wierszy kodu, bez użycia żadnego innego narzędzia innej firmy.
Kroki, aby czytać pliki PDF za pomocą Pythona
- Ustaw IDE na użyj Aspose.PDF dla Pythona przez .NET, aby czytać tekst PDF
- Załaduj źródłowy plik PDF za pomocą obiektu Document, którego dane mają zostać odczytane
- Utwórz instancję obiektu TextAbsorber, aby wyodrębnić tekst z pliku PDF
- Wywołaj metodę accept(), aby przeczytać cały tekst w załadowanym pliku PDF
- Wyświetl wyodrębniony tekst przy użyciu właściwości Text obiektu TextAbsorber
Te kroki podsumowują proces odczytywania pliku PDF w Pythonie poprzez wprowadzenie klasy Document do ładowania pliku PDF, obiektu klasy TextAbsorber do pobierania tekstu z pliku PDF oraz metody accept(), która faktycznie wypełnia właściwość text pliku PDF. Obiekt TextAbsorber. Po wywołaniu metody accept() łańcuch danych we właściwości text może zostać wydrukowany lub przeanalizowany w celu dalszego przetwarzania.
Kod do odczytu pliku PDF w Pythonie
Powyższy fragment kodu demonstruje proces wyodrębniania danych z pliku PDF za pomocą Pythona. Klasa TextAbsorber obsługuje TextFormattingMode w celu wyodrębnienia tekstu w trybie czystym, nieprzetworzonym, spłaszczonym lub oszczędzającym pamięć. Ponadto klasa TextAbsorber zwraca listę błędów podczas pobierania danych z pliku PDF oraz obsługuje definiowanie prostokąta, w obrębie którego pobierany jest tekst ze strony PDF.
Ten artykuł nauczył nas czytać plik PDF w Pythonie. Jeśli chcesz poznać proces odczytywania zakładek z pliku PDF, zapoznaj się z artykułem na stronie jak czytać zakładki w PDF za pomocą Pythona.