Denna snabba handledning guidar dig om hur du läser PDF innehåll i Python. Den introducerar alla resurser, nödvändiga klasser och metoder som ska användas i applikationen. Den innehåller också en körbar exempelkod för att läsa pdf med python med hjälp av ett fåtal rader kod utan att använda något annat verktyg från tredje part.
Steg för att läsa PDF med Python
- Ställ in IDE på använd Aspose.PDF för Python via .NET för att läsa PDF-text
- Ladda käll-PDF-filen med hjälp av objektet Document vars data ska läsas
- Instantiera ett TextAbsorber-objekt för att extrahera text från PDF-filen
- Anrop metoden accept() för att läsa hela texten i den laddade PDF-filen
- Visa den extraherade texten med textegenskapen för TextAbsorber-objektet
Dessa steg sammanfattar processen för att läsa en PDF-fil i Python genom att introducera klassen Document för att ladda PDF-filen, klassobjektet TextAbsorber för att hämta text från PDF:en och metoden accept() som faktiskt fyller textegenskapen för TextAbsorber-objekt. När metoden accept() har anropats kan strängdata i textegenskapen skrivas ut eller tolkas för ytterligare bearbetning.
Kod för att läsa PDF-fil i Python
Ovanstående kodsegment visar processen att extrahera data från PDF-fil med Python. Klassen TextAbsorber stöder TextFormattingMode för att extrahera text i rent, rå, tillplattat eller minnesbesparande läge. Dessutom returnerar TextAbsorber-klassen en fellista medan data hämtas från PDF-filen och stöder att definiera en rektangel inom vilken text hämtas från PDF-sidan.
Den här artikeln har lärt oss att läsa en PDF i Python. Om du vill lära dig processen för att läsa bokmärken från en PDF, se artikeln om hur man läser bokmärken i pdf med Python.
