Extrair Dados do AcroForm usando Python

Extrair campos de formulário do documento PDF

Form de aspose.pdf.facades namespace fornece uma maneira direta de ler os dados de campo AcroForm sem abrir o modelo completo de objeto de documento. Itere sobre form.field_names para obter cada nome de campo presente no formulário, então chame form.get_field(name) para recuperar seu valor atual.

  1. Construir um Form objeto passando o caminho do arquivo de entrada.
  2. Iterar sobre form.field_names para enumerar todos os nomes de campo.
  3. Chamar form.get_field(name) para cada nome e armazene o resultado em um dicionário.

    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)

Recuperar o valor do campo de formulário por título

Quando você conhece o nome exato do campo (title) definido no formulário PDF, pode recuperar seu valor diretamente com form.get_field(name) sem iterar sobre toda a coleção de campos. Esta é a abordagem mais rápida quando apenas campos específicos são necessários.

  1. Construir um Form objeto com o caminho do arquivo de entrada.
  2. Chamar form.get_field("FieldName") usando o título exato do campo como aparece no PDF.
  3. Use o valor de string retornado conforme necessário em sua aplicação.

    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)

Extrair campos de formulário de documento PDF para JSON

Existem duas maneiras de exportar dados AcroForm para JSON. A primeira usa o recurso interno export_json método em Form, que serializa todos os dados de campo diretamente para um fluxo de arquivo em uma única chamada.

  1. Construir um Form objeto com o caminho do arquivo de entrada.
  2. Abra o arquivo de saída como um fluxo binário usando FileIO.
  3. Chamar form.export_json(stream, True) para escrever a saída 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)

A segunda abordagem cria um dicionário Python a partir de field_names e get_field, então serializa com json.dumps. Use isso quando precisar transformar ou filtrar os dados antes de escrevê-los.

  1. Iterar sobre form.field_names e preencha um dicionário com valores dos campos.
  2. Serializar o dicionário com json.dumps(form_data, indent=4).
  3. Escreva a string JSON resultante no arquivo de saída.

    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)

Extrair Dados para XML de um Arquivo PDF

A exportação de XML é útil para integrar os dados de formulário PDF com sistemas que consomem feeds ou esquemas XML estruturados. O Form classe fornece export_xml para lidar com a conversão em uma única etapa.

  1. Criar um Form instanciar e vincular o PDF com form.bind_pdf(path).
  2. Abra o arquivo de saída como um fluxo binário.
  3. Chamar form.export_xml(stream) escrever todos os dados dos campos como 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)

Exportar dados para FDF a partir de um arquivo PDF

FDF (Forms Data Format) é o formato de intercâmbio padrão para dados AcroForm e é amplamente suportado por visualizadores de PDF e ferramentas de processamento. Use export_fdf no Form classe para produzir um arquivo FDF independente que pode ser importado de volta ao PDF original ou a outro formulário compatível.

  1. Criar um Form instancie e vincule o PDF de origem com form.bind_pdf(path).
  2. Abra o arquivo de saída como um fluxo binário.
  3. Chamar form.export_fdf(stream) para escrever os dados 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)

Exportar Dados para XFDF a partir de um Arquivo PDF

XFDF (XML Forms Data Format) é o sucessor baseado em XML do FDF e é mais adequado para uso em serviços web e pipelines de dados modernos. Como FDD, um arquivo XFDF pode ser importado de volta para um formulário PDF compatível. Use export_xfdf no Form classe para gerar a saída.

  1. Criar um Form instancie e vincule o PDF de origem com form.bind_pdf(path).
  2. Abra o arquivo de saída como um fluxo binário.
  3. Chamar form.export_xfdf(stream) para escrever os dados 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)
Extrair Dados de Tabela em PDF com Python Extrair Dados Vetoriais de um arquivo PDF usando Python