在 Python 中从 PDF 提取表格

从 PDF 中提取表格

从 PDF 中提取表格对于报告、数据迁移和分析工作流非常有用。使用 Aspose.PDF for Python via .NET，您可以高效地检测并读取现有 PDF 文档中的表格内容。

此代码片段打开一个现有的 PDF 文件，扫描每一页的表格，并提取单元格文本内容。它使用 TableAbsorber 检测表格，然后遍历行和单元格以打印提取的文本。

将 PDF 加载到 ap.Document 对象中。
遍历页面。
创建一个 TableAbsorber 对象。
遍历表格。
遍历行和单元格。
提取并打印单元格中的文本。

此示例读取 PDF，查找所有表格，并逐行打印单元格内容。

import aspose.pdf as ap
from os import path
import sys

def extract(infile: str) -> None:
    """Extract and print all tables from a PDF file."""
    document = ap.Document(infile)
    for page in document.pages:
        absorber = ap.text.TableAbsorber()
        absorber.visit(page)
        for table in absorber.table_list:
            print("Table ----")
            for row in table.row_list:
                print("Row:")
                row_txt = ""
                for cell in row.cell_list:
                    cell_txt = ""
                    text_fragment_collection = cell.text_fragments
                    for fragment in text_fragment_collection:
                        for seg in fragment.segments:
                            cell_txt += seg.text
                    row_txt += " | "
                    row_txt += cell_txt
                print(row_txt)

在 Python 中从 PDF 提取表格

从 PDF 中提取表格

相关表格主题