Wie man in Python eine Tabelle aus einer PDF-Datei extrahiert

Einführung

Wenn es um die gemeinsame Nutzung von Dokumenten geht, ist das Portable Document Format (PDF)von Adobe, ist entscheidend für die Bewahrung der Integrität von textreichen und ästhetisch ansprechenden Informationen. Um auf Online-PDF-Dateien zuzugreifen, benötigen Sie oft ein spezielles Programm. Für viele wichtige digitale Veröffentlichungen werden heute PDF-Dateien benötigt. Viele Unternehmen verwenden PDF-Dateien, um professionelle Papiere und Rechnungen zu erstellen. Entwickler verwenden häufig Bibliotheken, um PDF-Dokumente zu erstellen, die bestimmte Kundenanforderungen erfüllen. Die Entwicklung moderner Bibliotheken hat den Prozess der PDF-Erstellung vereinfacht. Bei der Auswahl der geeigneten Bibliothek für ein Projekt, das die Erstellung von PDF-Dateien erfordert, ist es wichtig, die Erstellungs-, Lese- und Konvertierungsfunktionen zu berücksichtigen, um eine nahtlose Integration und eine optimale Leistung zu gewährleisten. Es gibt viele Python-Bibliotheken, aber in diesem Artikel werden wir IronPDF verwenden, eine leistungsstarke Bibliothek zur PDF-Verarbeitung.

2.0 IronPDF

Python bietet Programmierern im Vergleich zu anderen Sprachen deutlich mehr Flexibilität und ermöglicht es Entwicklern, grafische Benutzeroberflächen einfach und effizient zu gestalten. Daher ist die Einbindung der IronPDF-Bibliothek in Python ein unkomplizierter Prozess. Um schnell und sicher eine voll funktionsfähige grafische Benutzeroberfläche zu erstellen, kann eine Reihe von vorinstallierten Tools wie PyQt, wxWidgets, Kivy und verschiedene andere Pakete und Bibliotheken verwendet werden.

IronPDF vereinfacht Python-Webdesign und -Entwicklung. Das liegt vor allem an der Fülle der verfügbaren Python-Frameworks für die Webentwicklung, wie Django, Flask und Pyramid. Zu den bemerkenswerten Websites und Online-Diensten, die diese Frameworks verwendet haben, gehören Reddit, Mozilla und Spotify.

2.1 Merkmale von IronPDF

Nachstehend sind einige Merkmale von IronPDF:

• PDF-Dateien können aus Quellen wie HTML, HTML5, ASP, PHP und anderen erstellt werden. Außerdem können Bilddateien zusammen mit HTML-Dateien in PDF konvertiert werden.
• IronPDF ermöglicht die Erstellung von interaktiven PDF-Dokumenten. Es bietet Funktionen wie das Teilen und Kombinieren von PDF-Dateien, das Extrahieren von Text und Bildern aus PDF-Dateien, das Rasterisieren von PDF-Seiten in Bilder, das Konvertieren von PDF in HTML, das Drucken von PDF-Dateien, das Ausfüllen und Übermitteln von interaktiven Formularen sowie das Teilen und Zusammenführen von PDF-Dateien.
• Mit IronPDF ist es möglich, ein Dokument aus einer URL zu erzeugen. Es unterstützt auch Benutzeragenten, die sich über HTML-Anmeldeformulare, Proxys, Cookies, HTTP-Header, spezielle Netzwerk-Anmeldedaten, Formularvariablen und Benutzeragenten anmelden.
• Das Programm IronPDF ermöglicht die Prüfung und Kommentierung von PDF-Dateien.
• IronPDF ermöglicht die Extraktion von Bildern aus Dokumenten.
• IronPDF bietet den Benutzern die Möglichkeit, Dokumente mit Kopf- und Fußzeilen, Text, Fotos, Lesezeichen, Wasserzeichen und vielem mehr zu versehen.
• Mit IronPDF können Sie Seiten in einem neuen oder bestehenden Dokument aufteilen und zusammenführen.
• Die Umwandlung von Dokumenten in PDF-Objekte ist auch ohne Acrobat-Viewer möglich.
• IronPDF ermöglicht die Erstellung eines PDF-Dokuments aus einer CSS-Datei.
• Mit IronPDF können Dokumente mit CSS-Dateien erstellt werden, die Medientyp-Definitionen enthalten.

3.0 Python-Umgebung konfigurieren

3.1 Einrichtung Python

Stellen Sie sicher, dass Python auf Ihrem Computer installiert ist. Um die aktuellste Version von Python für Ihr Betriebssystem herunterzuladen und einzurichten, besuchen Sie die offizielle Python website. Sobald Python installiert ist, trennen Sie die Anforderungen für Ihr Projekt ab, indem Sie eine virtuelle Umgebung erstellen. Mit Hilfe des venv-Moduls können Sie virtuelle Umgebungen erstellen und verwalten, um Ihrem Konvertierungsprojekt einen übersichtlichen und organisierten Arbeitsbereich zu bieten.

3.2 Neues Projekt in PyCharm

Für dieses Tutorial werden wir PyCharm verwenden, eine IDE für die Python-Entwicklung.

Nachdem Sie die PyCharm IDE gestartet haben, wählen Sie "Neues Projekt" aus dem Menü, wie in der Abbildung unten gezeigt.

Wenn Sie "Neues Projekt" wählen, erscheint ein neues Fenster, in dem Sie den Speicherort des Projekts und die Python-Umgebung festlegen können (siehe Abbildung unten).

Nachdem Sie den Ort und die Umgebung für das Projekt ausgewählt haben, klicken Sie auf die Schaltfläche "Erstellen", um das Projekt zu starten. Python-Dateien können in dem neu gestarteten Fenster geöffnet werden, damit Sie Ihren Code eingeben können. In diesem Handbuch wird Python 3.9 verwendet.

3.3 IronPDF-Bibliotheksanforderung

IronPDF for Python stützt sich auf .NET 6.0 als Kerntechnologie. Um IronPDF for Python nutzen zu können, muss daher auf Ihrem Computer die .NET 6.0 Runtime installiert sein. Linux- und Mac-Benutzer müssen möglicherweise erst .NET installieren, bevor sie dieses Python-Modul nutzen können. Um die erforderliche Laufzeitumgebung zu erwerben, besuchen Sie bitte diese link.

3.4 Einrichtung der IronPDF-Bibliothek

Das Paket "IronPDF" muss installiert werden, um Dateien mit der Erweiterung ".pdf" zu erstellen, zu bearbeiten und zu öffnen. Um das Paket in PyCharm zu installieren, öffnen Sie ein Terminalfenster und geben Sie den folgenden Befehl ein:

 pip installieren ironpdf

Die folgende Abbildung veranschaulicht den Installationsvorgang des Pakets "IronPDF".

4.0 Extrahieren von Tabellendaten aus einer PDF-Datei

Mit der IronPDF-Python-Bibliothek können wir mühelos Daten aus PDF-Dateien extrahieren. IronPDF erleichtert die Analyse von Textdaten und die Extraktion von Tabellen aus PDF-Dateien. Nachfolgend finden Sie einen Beispielcode, der zeigt, wie Daten aus PDF-Tabellen extrahiert werden können, wobei das bereitgestellte Bild als Referenz dient.

from ironpdf import *
pdf = PdfDocument.FromFile("sampleData.pdf")
all_text = pdf.ExtractAllText()
for row in all_text.split("\n"):
    print(row)

from ironpdf import *
pdf = PdfDocument.FromFile("sampleData.pdf")
all_text = pdf.ExtractAllText()
for row in all_text.split("\n"):
    print(row)

Der mitgelieferte Code demonstriert, wie IronPDF mit nur wenigen Zeilen Python-Code Tabellen aus PDF-Dateien extrahieren kann. Zunächst importieren wir die IronPDF-Bibliothek, um auf ihre Funktionen zuzugreifen. Durch die Nutzung der Bibliothek erhalten wir Zugang zu allen Funktionen von IronPDF. Als nächstes können wir mit Hilfe der Klasse "PDFDocument" vorhandene PDF-Dateien verarbeiten und verschiedene Operationen mit ihnen durchführen.

Bei Verwendung der Funktion FromFile ist das Argument zum Laden der PDF-Eingabedatei verfügbar. Durch Übergabe des Dateispeicherorts als Parameter können wir eine vorhandene PDF-Datei laden. Anschließend verwenden wir die Funktion "ExtractAllText", um alle Tabellendaten aus allen Seiten der PDF-Dateien zu extrahieren. Anschließend verwenden wir die Funktion "Split", um die extrahierten Tabellendaten in mehrere Zeilen aufzuteilen und auf dem Konsolenbildschirm anzuzeigen.

In der obigen Ausgabe werden die Daten Zeile für Zeile angezeigt, um zu zeigen, wie Tabellendaten extrahiert werden können. Wenn Sie mehr über IronPDF erfahren möchten, sehen Sie sich Folgendes an artikel.

5.0 Schlussfolgerung

Die IronPDF-Bibliothek bietet robuste Sicherheitsmaßnahmen, um potenzielle Risiken zu minimieren und die Datensicherheit zu gewährleisten. Sie ist mit allen gängigen Browsern kompatibel und nicht auf einen bestimmten Browser beschränkt. Mit IronPDF können Programmierer mit nur wenigen Zeilen Code effizient PDF-Dateien erstellen und lesen. Um den unterschiedlichen Anforderungen von Entwicklern gerecht zu werden, bietet die IronPDF-Bibliothek verschiedene Lizenzierungsoptionen, darunter eine kostenlose Entwicklerlizenz und zusätzliche Entwicklungslizenzen, die erworben werden können.

Das Lite-Paket zum Preis von $749 beinhaltet eine unbefristete Lizenz, eine 30-tägige Geld-zurück-Garantie, ein Jahr Software-Wartung und Upgrade-Möglichkeiten. Nach dem Erstkauf fallen keine weiteren Kosten an, und diese Lizenzen können in Produktions-, Staging- und Entwicklungsumgebungen verwendet werden. IronPDF bietet auch kostenlose Lizenzen mit einigen Zeit- und Weiterverbreitungsbeschränkungen an. Benutzer können das Produkt in einer realen Umgebung mit einem kostenloser Test zeitraum, der kein Wasserzeichen enthält. Für detaillierte Informationen zu den Kosten und der Lizenzierung der IronPDF-Testversion klicken Sie bitte auf den folgenden Link link.