HTML JPG PDF XML DOCX
  Product Family
PDF

通过 Python SDK 解析 PDF 以按名称提取文本

使用服务器端 Python API 解析 PDF 文档以按名称提取文本的 API。

Get Started

如何使用云 Python SDK 解析 PDF 文档以按名称提取文本

为了通过云 Python SDK 解析 PDF 文档以按名称提取文本,我们将使用 Aspose.PDF 云 Python SDK 这个云 SDK 协助 Python 程序员使用 Aspose.PDF REST API 开发基于云的 PDF 创建、注释、编辑、转换和解析应用程序。只需在 Aspose for Cloud 创建一个账户并获取您的应用信息。一旦您拥有 App SID 和密钥,您就可以开始使用 Aspose.PDF 云 Python SDK。如果 Python 包托管在 Github 上,您可以直接从 Github 安装:

从 Github 安装


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

使用 Python SDK 解析 PDF 以按名称提取文本的步骤

Aspose.PDF 云开发人员可以轻松解析 PDF 文档以按名称提取文本。开发人员只需要几行代码。

  1. 使用您的应用程序密钥和密钥创建一个新的 Configuration 对象
  2. 创建一个对象以连接到云 API
  3. 上传您的文档文件
  4. 使用 get_text_box_field 函数在云存储中解析 PDF 文档以按名称提取文本
  5. 检查响应并记录结果
  6. 如有需要,将文本框信息下载为本地 JSON 文件
 

此示例代码显示解析 PDF 文档以按名称提取文本


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
        }
	response = self.pdf_api.get_text_box_field(documentName, textboxName, **opts)
        if response.code != 200:
            logging.error("ParseExtractTextBox(): Unexpected error!")
        else:
	    logging.info(f"ParseExtractTextBox(): TextBox field '{textboxName}' successfully extracted from the document '{documentName}'.")
            localJsonFile = str(Path.joinpath(localFolder, "text_box_objects.json"))
            with open(localJsonFile, "w", encoding="utf-8") as localFile:            
               jsText = json.dumps(response.field.__dict__, ensure_ascii=False, default=str, indent=4)
               localFile.write(jsText)
 

通过 Python SDK 处理 PDF 中的文本解析

通过按名称解析 PDF 文档进行文本提取,您可以根据需要修改文本框字段的内容。这在节省时间和减少人工工作的同时,保持了文本在文档中的位置。 使用 Aspose.PDF 云 Python SDK 按名称解析 PDF 文档以提取文本。

使用我们的 Python SDK,您可以

  • 以文本或图像格式添加 PDF 文档的页眉和页脚。
  • 为 PDF 文档添加表格及文字或图像印章。
  • 将多个 PDF 文档附加到现有文件中。
  • 使用 PDF 附件、注释和表单字段。
  • 对 PDF 文档应用加密或解密并设置密码。
  • 从页面或整个 PDF 文档中删除所有印章和表格。
  • 通过其 ID 从 PDF 文档中删除特定的印章或表格。
  • 替换 PDF 页面或整个文档中的单个或多个文本实例。
  • 广泛支持将 PDF 文档转换为各种其他文件格式。
  • 提取 PDF 文件的各种元素并优化 PDF 文档。
  • 您可以试用我们的免费应用来测试功能。

  •