Python - Przetwarzaj PDF

Python może czytać pliki PDF i drukować zawartość po wyodrębnieniu z niego tekstu. W tym celu musimy najpierw zainstalować wymagany moduł, którym jestPyPDF2. Poniżej znajduje się polecenie instalacji modułu. Powinieneś mieć już zainstalowany pip w swoim środowisku Pythona.

pip install pypdf2

Po pomyślnej instalacji tego modułu możemy odczytać pliki PDF metodami dostępnymi w module.

import PyPDF2
pdfName = 'path\Tutorialspoint.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
page = read_pdf.getPage(0)
page_content = page.extractText()
print page_content

Po uruchomieniu powyższego programu otrzymujemy następujący wynik -

Tutorials Point originated from the idea that there exists a class of readers who respond better 
to online content and prefer to learn new skills at their own pace from the comforts of their 
drawing rooms.
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response 
it generated, we worked our way to adding fresh tutorials to our repository which now 
proudly flaunts a wealth of tutorials and allied articles on topics ranging from programming
languages to web designing to academics and much more.

Czytanie wielu stron

Aby przeczytać plik PDF z wieloma stronami i wydrukować każdą stronę z numerem strony, używamy pętli a z funkcją getPageNumber (). W poniższym przykładzie mamy plik PDF, który ma dwie strony. Treść drukowana jest pod dwoma oddzielnymi nagłówkami stron.

import PyPDF2
pdfName = 'Path\Tutorialspoint2.pdf'
read_pdf = PyPDF2.PdfFileReader(pdfName)
for i in xrange(read_pdf.getNumPages()):
    page = read_pdf.getPage(i)
    print 'Page No - ' + str(1+read_pdf.getPageNumber(page))
    page_content = page.extractText()
    print page_content

Po uruchomieniu powyższego programu otrzymujemy następujący wynik -

Page No - 1
Tutorials Point originated from the idea that there exists a class of readers who respond better to 
online content and prefer to learn new skills at their own pace from the comforts of their drawing 
rooms. 
Page No - 2
 
The journey commenced with a single tutorial on HTML in 2006 and elated by the response it 
generated, we worked our way to adding fresh tutorials to our repository which now proudly flaunts 
a wealth of tutorials and allied articles on topics ranging from p
rogramming languages to web 
designing to academics and much more.