الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

pdfminer.six

نحن نفهم PDF

Pdfminer.six عبارة عن شوكة مجتمعية لـ PDFMiner الأصلي. إنها أداة لاستخراج المعلومات من مستندات PDF. وهو يركز على الحصول على البيانات النصية وتحليلها. يقوم Pdfminer.six باستخراج النص من الصفحة مباشرة من الكود المصدري لملف PDF. ويمكن استخدامه أيضًا للحصول على الموقع الدقيق أو الخط أو اللون للنص.

لقد تم تصميمه بطريقة معيارية بحيث يمكن استبدال كل مكون من مكونات pdfminer.six بسهولة. يمكنك تنفيذ المترجم الفوري أو جهاز العرض الخاص بك الذي يستخدم قوة pdfminer.six لأغراض أخرى غير تحليل النص.

تحقق من الوثائق الكاملة على قراءة المستندات.

سمات

  • مكتوبة بالكامل في بايثون.
  • تحليل وتحليل وتحويل مستندات PDF.
  • قم باستخراج المحتوى كنص أو صور أو html أو hOCR.
  • دعم مواصفات PDF-1.7. (حسنا، تقريبا).
  • دعم لغات CJK ونصوص الكتابة العمودية.
  • دعم أنواع الخطوط المختلفة (Type1 وTrueType وType3 وCID).
  • دعم لاستخراج الصور (JPG، JBIG2، Bitmaps).
  • دعم الضغطات المختلفة (ASCIIHexDecode، ASCII85Decode، LZWDecode، FlateDecode، RunLengthDecode، CCITTFaxDecode)
  • دعم تشفير RC4 وAES.
  • دعم لاستخراج النموذج التفاعلي AcroForm.
  • جدول استخراج المحتويات.
  • استخراج المحتويات الموسومة.
  • تحليل التخطيط التلقائي.

كيفية الاستخدام

  • قم بتثبيت Python 3.8 أو الأحدث.

  • قم بتثبيت pdfminer.six. 

    pip install pdfminer.six

  • (اختياريًا) قم بتثبيت تبعيات إضافية لاستخراج الصور. 

    pip install ' pdfminer.six[image] '

  • استخدم واجهة سطر الأوامر لاستخراج النص من ملف pdf. 

    pdf2txt.py example.pdf

  • أو استخدمه مع بايثون. 

     from pdfminer . high_level import extract_text

text = extract_text ( "example.pdf" )
print ( text )

المساهمة

تأكد من قراءة إرشادات المساهمة.

شكر وتقدير

يتضمن هذا المستودع كودًا من pyHanko ؛ تم تضمين الترخيص الأصلي هنا.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل