HTML JPG PDF XML DOCX
  Product Family
PDF

Разбор PDF для извлечения текстов в Python SDK

API для разбора PDF-документов для извлечения текстов с использованием серверного API на Python.

Get Started

Как разобрать PDF-документы для извлечения текстов с использованием Cloud Python SDK

Для разбора PDF-документов для извлечения текстов через Cloud Python SDK мы будем использовать Aspose.PDF Cloud Python SDK Этот Cloud SDK помогает разработчикам на Python создавать облачные приложения для создания, аннотирования, редактирования, конвертации и разбора PDF с использованием Aspose.PDF REST API. Просто создайте учетную запись на Aspose for Cloud и получите информацию о вашем приложении. Как только у вас есть App SID и ключ, вы готовы использовать Aspose.PDF Cloud Python SDK. Если пакет Python размещен на Github, вы можете установить его напрямую с Github:

Установка с Github


     
    pip install git+https://github.com/aspose-pdf-cloud/aspose-pdf-cloud-python.git
     
     

Шаги для разбора PDF для извлечения текстов с использованием Python SDK

Разработчики Aspose.PDF Cloud могут легко разбирать PDF-документы для извлечения текстов. Разработчикам требуется всего несколько строк кода.

  1. Создайте новый объект конфигурации с вашим секретным ключом и ключом приложения
  2. Создайте объект для подключения к Cloud API
  3. Загрузите ваш файл документа
  4. Разберите PDF-документы для извлечения текстов в документе PDF на облачном хранилище с использованием функции get_document_text_box_fields
  5. Проверьте ответ и зарегистрируйте результат
  6. Загрузите информацию о текстовом поле в файл JSON локально, если это необходимо
 

Этот пример кода показывает разбор PDF-документа для извлечения текстов


import shutil
import json
import logging
from pathlib import Path
from asposepdfcloud import ApiClient, PdfApi
import logging

# Configure logging
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")


class ParseExtractTextBox:
    """Class for extracting text box from PDF document using Aspose PDF Cloud API."""
    def __init__(self):
        self.pdf_api = PdfApi(ApiClient(APP_KEY, APP_SID)

    def upload_document(self, documentName: str, localFolder: str, remoteFolder: str):
        """Upload a PDF document to the Aspose Cloud server."""
        if self.pdf_api:
            file_path = localFolder / documentName
            try:
                if remoteFolder == None:
                    self.pdf_api.upload_file(documentName, str(file_path))
                else:
                    opts = { "folder": remoteFolder }
                    self.pdf_api.upload_file(remoteFolder + '/' + documentName, file_path)
                logging.info(f"File {documentName} uploaded successfully.")
            except Exception as e:
                logging.error(f"Failed to upload file: {e}")

   def Extract(self, documentName: str, texxtboxName: str, localFolder: Path, remoteFolder: Path):
        self.upload_document(documentName, remoteFolder)

        opts = {
            "folder": remoteFolder
        }
        respTextBoxes = self.pdf_api.get_document_text_box_fields(documentName, **opts)
        if respTextBoxes.code != 200:
            logging.error("GetTextBoxes(): Unexpected error!")
        else:
            localJson = Path.joinpath(localFolder, "text_box_objects.json")
            with open(str(localJson), "w", encoding="utf-8") as localFile:
                localFile.write("[\n")
                for textBox in respTextBoxes.fields.list:
                    x = self.helper.pdf_api.get_text_box_field(documentName, )
                    logging.info(f"GetTextBoxes(): TextBox field '{textBox.full_name}' successfully extracted from the document '{documentName}'.")
                    jsText = json.dumps(textBox.__dict__, ensure_ascii=False, default=str, indent=4) +",\n\n"
                    localFile.write(jsText)
                localFile.write("]")
 

Работа с разбором текста в PDF с помощью Python SDK

Разбирая PDF-документы для извлечения текстов, вы можете изменить содержимое полей TextBox по мере необходимости. Это сохраняет позицию текста в документах, экономя время и уменьшая ручную работу. Разберите PDF-документы для извлечения текстов с помощью Aspose.PDF Cloud Python SDK.

С нашим Python SDK вы можете

  • Добавлять заголовок и нижний колонтитул PDF-документа в текстовом или графическом формате.
  • Добавлять таблицы и текстовые или графические штампы в PDF-документы.
  • Присоединять несколько PDF-документов к существующему файлу.
  • Работать с вложениями PDF, аннотациями и полями формы.
  • Применять шифрование или дешифрование к PDF-документам и устанавливать пароль.
  • Удалять все штампы и таблицы со страницы или всего PDF-документа.
  • Удалять конкретный штамп или таблицу из PDF-документа по их идентификатору.
  • Заменять одну или несколько вхождений текста на странице PDF или во всем документе.
  • Обширная поддержка конвертации PDF-документов в различные другие форматы файлов.
  • Извлекать различные элементы PDF-файлов и оптимизировать PDF-документы.
  • Вы можете попробовать наше бесплатное приложение, чтобы протестировать функциональность.

  •