Извлечение векторных данных из PDF-файла с помощью Python

Получение доступа к векторным данным PDF-документа

Используйте GraphicsAbsorber, чтобы анализировать элементы векторной графики на странице Document. После обработки целевой страницы переберите извлечённые элементы, чтобы изучить такие свойства, как границы прямоугольника, позиции и операторы рисования.

1. Откройте исходный PDF как Document.
2. Создайте экземпляр GraphicsAbsorber.
3. Вызовите gr_absorber.visit(page) для целевой страницы.
4. Получите извлечённые элементы из gr_absorber.elements.
5. Переберите элементы и запишите их свойства в выходной файл.

import aspose.pdf as ap


def extract_graphics_elements(infile, outfile):
    """
    Extract vector graphic elements from a specified page of a PDF and log basic element properties.
    Args:
        infile (str): Path to input PDF file.
        outfile (str): Path to output text file for logging element info.
    """
    document = ap.Document(infile)
    try:
        gr_absorber = ap.vector.GraphicsAbsorber()
        # Visit page 2 (pages collection is 1-indexed; document.pages[1] is the second page)
        gr_absorber.visit(document.pages[1])

        elements = gr_absorber.elements
        with open(outfile, "w", encoding="utf-8") as f:
            for idx, elem in enumerate(elements, start=1):
                # Basic properties
                rect = elem.rectangle
                pos = elem.position
                ops_count = len(elem.operators)
                f.write(
                    f"Element {idx}: Rectangle = {rect}, Position = {pos}, Operators = {ops_count}\n"
                )
    finally:
        document.close()

Сохранение векторной графики со страницы в SVG-файл

Экспортируйте векторную графику со страницы PDF в SVG, чтобы сохранить масштабируемые контуры и фигуры вне исходного PDF. Этот метод полезен для повторного использования векторных иллюстраций в веб-, дизайнерских или издательских процессах.

1. Загрузите PDF-документ.
2. Получите доступ к целевой странице.
3. Вызовите page.try_save_vector_graphics(), чтобы экспортировать векторные контуры страницы в SVG.
4. Закройте документ.

import aspose.pdf as ap


def save_vector_graphics_to_svg(infile, svg_outfile):
    """
    Save vector graphics from a specified page of a PDF document into an SVG file.
    Args:
        infile (str): Path to input PDF file.
        svg_outfile (str): Path to output SVG file.
    """
    document = ap.Document(infile)
    try:
        page = document.pages[1]
        # Try to save vector graphics into SVG
        page.try_save_vector_graphics(svg_outfile)
    finally:
        document.close()

Извлечение каждого подпути в отдельный SVG

Когда страница содержит несколько независимых векторных путей, используйте SvgExtractionOptions вместе с SvgExtractor, чтобы записать каждый подпуть в отдельный SVG-файл.

1. Загрузите PDF.
2. Создайте SvgExtractionOptions и настройте extract_every_subpath_to_svg.
3. Получите доступ к первой странице документа.
4. Создайте экземпляр SvgExtractor, передав параметры.
5. Вызовите extractor.extract(), чтобы записать отдельные SVG-файлы для каждого векторного подпути.
6. Закройте документ.

import aspose.pdf as ap


def extract_subpaths_to_svgs(infile, output_dir):
    """
    Extract each vector sub-path on a PDF page into separate SVG files using extraction options.
    Args:
        infile (str): Input PDF file path.
        output_dir (str): Directory path where SVG files will be saved.
    """
    document = ap.Document(infile)
    try:
        options = ap.vector.SvgExtractionOptions()
        options.extract_every_subpath_to_svg = True

        page = document.pages[1]
        extractor = ap.vector.SvgExtractor(options)
        extractor.extract(page, output_dir)
    finally:
        document.close()

Извлечение списка элементов в одно изображение

Извлеките несколько векторных элементов со страницы PDF и сохраните их как одно объединённое SVG-изображение. Это полезно, когда нужно сохранить визуальную связь между сгруппированными фигурами, диаграммами или фрагментами рисунка.

1. Откройте PDF с помощью Document.
2. Выберите страницу и подготовьте список векторных элементов.
3. Используйте SvgExtractor, чтобы объединить эти элементы в один SVG.
4. Сохраните выходной файл.

import aspose.pdf as ap


def extract_list_of_elements_to_single_image(infile, outfile):
    """
    Extracts multiple vector graphic elements from a PDF page and saves them as a single SVG image.
    Args:
        infile (str): Path to the input PDF file.
        outfile (str): Path to the output SVG file.
    """
    document = ap.Document(infile)
    try:
        page = document.pages[1]
        svg_extractor = ap.vector.SvgExtractor()
        elements = []  # Fill this list with specific graphic elements as needed
        svg_extractor.extract(elements, page, outfile)
    finally:
        document.close()

Извлечение одного элемента

Извлеките один конкретный векторный элемент из PDF и сохраните его как отдельный SVG-файл. Это полезно для изоляции логотипов, значков или отдельных фигур из более сложных векторных страниц.

1. Создайте GraphicsAbsorber, чтобы захватить векторные данные.
2. Обработайте выбранную страницу, чтобы собрать её векторные элементы.
3. Выберите целевой элемент, например XFormPlacement.
4. Сохраните этот отдельный элемент в SVG-файл.

import aspose.pdf as ap


def extract_single_vector_element(infile, outfile):
    """
    Extracts a specific vector graphic element (e.g., an XFormPlacement) from a PDF page and saves it as an SVG file.
    Args:
        infile (str): Path to the input PDF file.
        outfile (str): Path to the output SVG file.
    """
    document = ap.Document(infile)
    try:
        graphics_absorber = ap.vector.GraphicsAbsorber()
        page = document.pages[1]
        graphics_absorber.visit(page)
        xform_placement = graphics_absorber.elements[1]
        if isinstance(xform_placement, ap.vector.XFormPlacement):
            xform_placement.elements[2].save_to_svg(outfile)
    finally:
        document.close()