Python을 사용한 주석 및 특수 텍스트

스탬프 주석에서 텍스트 추출

용도 텍스트 업소버 에 포함된 텍스트 추출하기 스탬프 표기법 출연 스트림.이는 스탬프 내용을 일반 텍스트로 저장하지 않고 XObject 형식으로 렌더링할 때 유용합니다.

  1. 를 여십시오 문서.
  2. 에서 대상 주석에 액세스할 수 있습니다. page.annotations.
  3. 인지 확인 StampAnnotation그런 다음 XForm의 정상적인 모습을 검색합니다.
  4. XForm을 다음으로 전달 TextAbsorber.visit() 포함된 텍스트를 추출합니다.
import os
import aspose.pdf as ap


def extract_text_from_stamp(infile, page_number, annotation_index, outfile):
    """
    Extracts text from a stamp annotation on a given page in a PDF document.
    Args:
        infile (str): Path to the input PDF file.
        page_number (int): 1-based index of the page containing the stamp.
        annotation_index (int): 1-based index of the annotation in that page.
        outfile (str): Path to the output text file where extracted text will be saved.
    """
    document = ap.Document(infile)
    try:
        page = document.pages[page_number]
        annot = page.annotations[annotation_index]
        # Ensure it's a StampAnnotation
        if isinstance(annot, ap.annotations.StampAnnotation):
            # Get normal appearance XForm of the stamp
            xform = annot.appearance["N"]
            absorber = ap.text.TextAbsorber()
            absorber.visit(xform)
            extracted = absorber.text
            with open(outfile, "w", encoding="utf-8") as f:
                f.write(extracted)
    finally:
        document.close()

강조 표시된 텍스트 추출

페이지 주석을 반복하고 사용하세요 주석을 강조 표시합니다. get_Marked_text () 각 하이라이트에 포함된 텍스트 범위를 읽을 수 있습니다.페이지 주석 컬렉션은 1부터 시작합니다.

  1. 를 여십시오 문서 대상 페이지를 선택합니다.
  2. 루프 스루 page.annotations.
  3. 용도 is_assignable 필터링 대상 하이라이트 주석 사례.
  4. 주석 전송 및 전화 걸기 get_marked_text() 강조 표시된 콘텐츠를 검색합니다.
def extract_highlight_text(infile):
    """
    Extract text from highlight annotations.

    Args:
        infile (str): Input PDF filename

    Returns:
        None

    Example:
        extract_highlight_text("sample.pdf")

    Note:
        Prints marked text from each highlight annotation on first page.
    """
    document = ap.Document(infile)
    page = document.pages[1]

    for annotation in page.annotations:
        if is_assignable(annotation, ap.annotations.HighlightAnnotation):
            highlight_annotation = cast(ap.annotations.HighlightAnnotation, annotation)
            print(highlight_annotation.get_marked_text())

위 첨자 및 아래 첨자 텍스트 추출

위 첨자와 아래 첨자는 공식, 수학 표현식 및 화합물 이름에 자주 나타납니다..NET을 통한 파이썬용 Aspose.PDF 기능은 다음을 통해 이 내용을 추출할 수 있도록 지원합니다. 텍스트 프래그먼트 업소버, 문자 수준의 위치 지정 메타데이터를 탐지합니다.

  1. 를 여십시오 문서.
  2. 만들기 TextFragmentAbsorber 예.
  3. 전화 document.pages[page_number].accept(absorber) 대상 페이지를 스캔합니다.
  4. 에서 전체 추출된 텍스트 검색 absorber.text.
  5. 결과를 파일에 쓰고 문서를 닫습니다.
import os
import aspose.pdf as ap


def extract_super_sub_text(infile, outfile, page_number=1):
    """
    Extract text (including superscript/subscript) from a specified page of a PDF and write to a text file.
    Args:
        infile (str): Path to input PDF file.
        outfile (str): Path to output text file.
        page_number (int): 1‑based index of the page to extract.
    """
    document = ap.Document(infile)
    try:
        absorber = ap.text.TextFragmentAbsorber()
        # Accept only the specific page for extraction
        document.pages[page_number].accept(absorber)
        extracted_text = absorber.text
        with open(outfile, "w", encoding="utf-8") as f:
            f.write(extracted_text)
    finally:
        document.close()

텍스트 조각을 반복하여 위 첨자/아래 첨자 감지

프래그먼트별 검사의 경우 반복 반복 absorber.text_fragments 그리고 읽어보세요 text_state.superscript 과 text_state.subscript 각각의 부울 플래그 텍스트 프래그먼트.

  1. 를 여십시오 문서 그리고 생성하십시오 텍스트 프래그먼트 업소버.
  2. 대상 페이지의 흡수 장치를 수락하여 채웁니다. absorber.text_fragments.
  3. 각 프래그먼트에 대해 읽어보십시오. fragment.text, fragment.text_state.superscript, 및 fragment.text_state.subscript.
  4. 결과를 출력 파일에 기록하고 문서를 닫습니다.
import os
import aspose.pdf as ap


def extract_super_sub_details(infile, outfile, page_number=1):
    """
    Extract details of each text fragment on a page, identifying superscript and subscript items.
    Args:
        infile (str): Path to input PDF file.
        outfile (str): Path to output text file.
        page_number (int): 1‑based page index.
    """
    document = ap.Document(infile)
    try:
        absorber = ap.text.TextFragmentAbsorber()
        document.pages[page_number].accept(absorber)

        with open(outfile, "w", encoding="utf-8") as f:
            for fragment in absorber.text_fragments:
                text = fragment.text
                is_sup = fragment.text_state.superscript  # True if superscript
                is_sub = fragment.text_state.subscript  # True if subscript
                f.write(
                    f"Text: '{text}' | Superscript: {is_sup} | Subscript: {is_sub}\n"
                )
    finally:
        document.close()
여러 열로 구성된 PDF의 텍스트 추출 개선