Python을 사용하여 PDF의 테이블에서 데이터 추출

프로그래밍 방식으로 PDF에서 표 추출

용도 테이블 업소버 a의 각 페이지에서 테이블을 감지합니다. 문서.페이지를 방문한 후 반복해서 살펴보세요. table_list그런 다음 각 행과 셀을 살펴보면서 읽을 수 있는 텍스트 형식으로 표 내용을 재구성합니다.

1. PDF를 다음과 같이 엽니다. Document.
2. 의 페이지를 반복해서 살펴보세요. document.pages.
3. 만들기 TableAbsorber 각 페이지 및 전화에 대해 visit(page).
4. 탐지된 테이블, 행, 셀을 순회합니다.
5. 각 셀에서 텍스트 조각을 읽고 추출된 행 출력값을 조합합니다.

import aspose.pdf as apdf
from os import path

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

# Open PDF document
document = apdf.Document(path_infile)

# Iterate through each page in the document
for page in document.pages:
    absorber = apdf.text.TableAbsorber()
    absorber.visit(page)

    for table in absorber.table_list:
        print("Table")
        for row in table.row_list:
            row_text = []
            for cell in row.cell_list:
                cell_text = []
                for fragment in cell.text_fragments:
                    cell_text.append("".join(seg.text for seg in fragment.segments))
                row_text.append("|".join(cell_text))
            print("|".join(row_text))

PDF 페이지의 특정 영역에서 표 추출

표시된 영역 내에 있는 테이블만 추출해야 하는 경우 결합하십시오. 테이블 업소버 와 함께 사각형 주석.이 예에서는 주석 사각형을 경계로 사용하고 해당 영역 내에 완전히 포함된 테이블만 처리됩니다.

1. PDF를 다음과 같이 엽니다. Document.
2. 대상 페이지를 선택합니다.
3. 관심 영역을 표시하는 사각형 주석을 찾으십시오.
4. 만들기 TableAbsorber 페이지를 방문하십시오.
5. 탐지된 각 테이블 사각형을 주석 사각형과 비교합니다.
6. 표시된 영역 내에 완전히 들어 있는 테이블만 처리하십시오.

import aspose.pdf as apdf
from os import path

# The path to the documents directory
path_infile = path.join(self.dataDir, infile)

# Open PDF document
document = apdf.Document(path_infile)

# Get the first page (index starts from 1 in Aspose.PDF)
page = document.pages[1]

# Find the first square annotation
square_annotation = next(
    (
        ann
        for ann in page.annotations
        if ann.annotation_type == apdf.annotations.AnnotationType.SQUARE
    ),
    None,
)

if square_annotation is None:
    print("No square annotation found.")
    return

# Initialize the TableAbsorber
absorber = apdf.text.TableAbsorber()
absorber.visit(page)

# Iterate through tables on the page
for table in absorber.table_list:
    table_rect = table.rectangle
    annotation_rect = square_annotation.rect

    # Check if the table is inside the annotation region
    is_in_region = (
        annotation_rect.llx < table_rect.llx
        and annotation_rect.lly < table_rect.lly
        and annotation_rect.urx > table_rect.urx
        and annotation_rect.ury > table_rect.ury
    )

    if is_in_region:
        for row in table.row_list:
            row_text = []
            for cell in row.cell_list:
                cell_text = []
                for fragment in cell.text_fragments:
                    cell_text.append("".join(seg.text for seg in fragment.segments))
                row_text.append("|".join(cell_text))
            print("|".join(row_text))

PDF에서 CSV로 테이블 데이터 내보내기

스프레드시트에 적합한 형식으로 추출된 데이터가 필요한 경우 다음을 사용하여 PDF를 저장하십시오. 엑셀 저장 옵션 출력 형식을 CSV로 설정합니다.결과 파일은 Excel, Google 스프레드시트에서 열거나 분석 워크플로우로 가져올 수 있습니다.

1. 소스 PDF를 다음과 같이 엽니다. 문서.
2. 생성하기 ExcelSaveOptions 예.
3. 세트 excel_save.format 에 ExcelSaveOptions.ExcelFormat.CSV.
4. 대상 CSV 경로에 문서를 저장합니다.

import aspose.pdf as apdf
from os import path

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

document = apdf.Document(path_infile)
excel_save = apdf.ExcelSaveOptions()
excel_save.format = apdf.ExcelSaveOptions.ExcelFormat.CSV
document.save(path_outfile, excel_save)