PDF in Python lesen

Ein PDF-Dokument kann nicht geändert, aber einfach und zuverlässig geteilt werden. Ein PDF-Dokument kann verschiedene Elemente wie Text, Links, Bilder, Tabellen, Formulare und mehr enthalten.

In diesem Tutorial werden wir eine PDF-Datei in Python lesen.

Verwenden Sie das Modul PyPDF2, um ein PDF in Python zu lesen

PyPDF2 ist ein Python-Modul, mit dem wir die Informationen eines PDF-Dokuments extrahieren, Dokumente zusammenführen, ein Dokument teilen, Seiten beschneiden, eine PDF-Datei verschlüsseln oder entschlüsseln und mehr.

Wir öffnen das PDF-Dokument im gelesenen Binärmodus mit open('document_path.PDF', 'rb'). PDFFileReader() wird verwendet, um ein PDF-Reader-Objekt zum Lesen des Dokuments zu erstellen. Mit den Methoden getPage() und extractText() können wir Text aus den Seiten des PDF-Dokuments extrahieren. Um die Anzahl der Seiten im angegebenen PDF-Dokument zu erhalten, verwenden wir .numPages.

Beispielsweise,

from PyPDF2 import PDFFileReader

temp = open("document_path.PDF", "rb")
PDF_read = PDFFileReader(temp)
first_page = PDF_read.getPage(0)
print(first_page.extractText())

Der obige Code druckt den Text auf der ersten Seite des bereitgestellten PDF-Dokuments.

Verwenden Sie das Modul PDFplumber, um ein PDF in Python zu lesen

PDFplumber ist ein Python-Modul, mit dem wir Text aus einem PDF-Dokument und andere Dinge lesen und extrahieren können. Das Modul PDFplumber ist leistungsfähiger als das Modul PyPDF2. Auch hier verwenden wir die Funktion open(), um eine PDF-Datei zu lesen.

Beispielsweise,

import PDFplumber

with PDFplumber.open("document_path.PDF") as temp:
    first_page = temp.pages[0]
    print(first_page.extract_text())

Der obige Code druckt den Text von der ersten Seite des bereitgestellten PDF-Dokuments.

Verwenden Sie das Modul textract, um ein PDF in Python zu lesen

Wir können die Funktion textract.process() aus dem Modul textract verwenden, um ein PDF-Dokument zu lesen.

Beispielsweise,

import textract

PDF_read = textract.process("document_path.PDF", method="PDFminer")

Verwenden Sie das Modul PDFminer.six, um ein PDF in Python zu lesen

PDFminer.six ist ein Python-Modul, mit dem wir Text aus einem PDF-Dokument lesen und extrahieren können. Wir verwenden die Funktion extract_text() aus diesem Modul, um den Text aus einem PDF zu lesen.

Beispielsweise,

from PDFminer.high_level import extract_text

PDF_read = extract_text("document_path.PDF")