Extraire des données d'AcroForm avec Python

Extraire les champs de formulaire du document PDF

Form de aspose.pdf.facades namespace fournit un moyen simple de lire les données des champs AcroForm sans ouvrir le modèle complet d’objet du document. Itérer sur form.field_names pour obtenir chaque nom de champ présent dans le formulaire, puis appeler form.get_field(name) pour récupérer sa valeur actuelle.

  1. Construire un Form objet en passant le chemin du fichier d’entrée.
  2. Itérer sur form.field_names pour énumérer tous les noms de champs.
  3. Appeler form.get_field(name) pour chaque nom et stockez le résultat dans un dictionnaire.

    import aspose.pdf as apdf
    from io import FileIO
    from os import path
    import json
    from aspose.pycore import cast, is_assignable

    path_infile = self.dataDir + infile
    form = apdf.facades.Form(path_infile)

    form_values = {}
    # Get values from all fields
    for formField in form.field_names:
        # Analyze names and values if needed
        form_values[formField] = form.get_field(formField)

    print(form_values)

Récupérer la valeur du champ de formulaire par titre

Lorsque vous connaissez le nom exact du champ (title) défini dans le formulaire PDF, vous pouvez récupérer sa valeur directement avec form.get_field(name) sans parcourir l’intégralité de la collection de champs. C’est l’approche la plus rapide lorsque seuls des champs spécifiques sont nécessaires.

  1. Construire un Form objet contenant le chemin du fichier d’entrée.
  2. Appeler form.get_field("FieldName") en utilisant le titre exact du champ tel qu’il apparaît dans le PDF.
  3. Utilisez la valeur de chaîne retournée selon les besoins dans votre application.

    import aspose.pdf as apdf

    form = apdf.facades.Form(path_infile)

    # Retrieve a single field value by its name
    value = form.get_field("FirstName")
    print(value)

Extraire les champs de formulaire du document PDF vers JSON

Il existe deux façons d’exporter les données AcroForm en JSON. La première utilise la fonction intégrée export_json méthode sur Form, qui sérialise toutes les données de champ directement vers un flux de fichier en un seul appel.

  1. Construire un Form objet contenant le chemin du fichier d’entrée.
  2. Ouvrez le fichier de sortie en tant que flux binaire en utilisant FileIO.
  3. Appeler form.export_json(stream, True) écrire la sortie JSON.

    import aspose.pdf as apdf
    from io import FileIO
    from os import path

    path_infile = path.join(self.dataDir, infile)
    path_outfile = path.join(self.dataDir, outfile)

    form = apdf.facades.Form(path_infile)
    with FileIO(path_outfile, "w") as json_file:
        form.export_json(json_file, True)

La deuxième approche construit un dictionnaire Python à partir de field_names et get_field, puis le sérialise avec json.dumps. Utilisez ceci lorsque vous devez transformer ou filtrer les données avant de les écrire.

  1. Itérer sur form.field_names et remplissez un dictionnaire avec les valeurs des champs.
  2. Sérialiser le dictionnaire avec json.dumps(form_data, indent=4).
  3. Écrivez la chaîne JSON résultante dans le fichier de sortie.

    import aspose.pdf as apdf
    from os import path
    import json

    path_infile = path.join(self.dataDir, infile)
    path_outfile = path.join(self.dataDir, outfile)

    form = apdf.facades.Form(path_infile)
    form_data = {}
    # Get values from all fields
    for formField in form.field_names:
        form_data[formField] = form.get_field(formField)

    # Serialize to JSON
    json_string = json.dumps(form_data, indent=4)
    print(json_string)

    with open(path_outfile, "w", encoding="utf-8") as json_file:
        json_file.write(json_string)

Extraire des données au format XML à partir d’un fichier PDF

L’exportation XML est utile pour intégrer les données de formulaire PDF aux systèmes qui consomment des flux XML structurés ou des schémas. Le Form classe fournit export_xml pour gérer la conversion en une seule étape.

  1. Créer un Form instance et lier le PDF avec form.bind_pdf(path).
  2. Ouvrez le fichier de sortie en tant que flux binaire.
  3. Appeler form.export_xml(stream) pour écrire toutes les données des champs au format XML.

    import aspose.pdf as apdf
    from io import FileIO
    from os import path

    path_infile = path.join(self.dataDir, infile)
    path_outfile = path.join(self.dataDir, outfile)

    # Create Form object
    form = apdf.facades.Form()

    # Bind PDF document
    form.bind_pdf(path_infile)

    # Export data to XML file
    with FileIO(path_outfile, "w") as f:
        form.export_xml(f)

Exporter les données vers le format FDF à partir d’un fichier PDF

FDF (Forms Data Format) est le format d’échange standard pour les données AcroForm et est largement pris en charge par les visionneuses PDF et les outils de traitement. Utilisez export_fdf sur le Form classe pour produire un fichier FDF autonome qui peut être importé de nouveau dans le PDF original ou dans un autre formulaire compatible.

  1. Créer un Form instanciez et liez le PDF source avec form.bind_pdf(path).
  2. Ouvrez le fichier de sortie en tant que flux binaire.
  3. Appeler form.export_fdf(stream) pour écrire les données FDF.

    import aspose.pdf as apdf
    from io import FileIO
    from os import path

    path_infile = path.join(self.dataDir, infile)
    path_outfile = path.join(self.dataDir, outfile)

    # Create Form object
    form = apdf.facades.Form()

    # Bind PDF document
    form.bind_pdf(path_infile)

    # Export form data to an FDF file
    with FileIO(path_outfile, "w") as f:
        form.export_fdf(f)

Exporter les données vers XFDF à partir d’un fichier PDF

XFDF (XML Forms Data Format) est le successeur basé sur XML du FDF et est mieux adapté à une utilisation dans les services Web et les pipelines de données modernes. Comme le FDF, un fichier XFDF peut être importé de nouveau dans un formulaire PDF compatible. Utilisez export_xfdf sur le Form classe pour générer la sortie.

  1. Créer un Form instanciez et liez le PDF source avec form.bind_pdf(path).
  2. Ouvrez le fichier de sortie en tant que flux binaire.
  3. Appeler form.export_xfdf(stream) écrire les données XFDF.

    import aspose.pdf as apdf
    from io import FileIO
    from os import path

    path_infile = path.join(self.dataDir, infile)
    path_outfile = path.join(self.dataDir, outfile)

    # Create Form object
    form = apdf.facades.Form()

    # Bind PDF document
    form.bind_pdf(path_infile)

    # Export form data to an XFDF file
    with FileIO(path_outfile, "w") as f:
        form.export_xfdf(f)
Extraire des données d'un tableau dans un PDF avec Python Extraire les données vectorielles d'un fichier PDF à l'aide de Python