برنامه هایی را برای کار با PDF از طریق کتابخانه پایتون توسعه دهید

شروع کار با PyPDF2

PyPDF2 به عنوان بخشی از کتابخانه استاندارد پایتون نیست، بنابراین باید خودتان آن را نصب کنید. روش ترجیحی برای انجام این کار استفاده از پیپ است.

 python -m pip install pypdf2  

استخراج متن از PDF از طریق پایتون

کتابخانه PyPDF2 قابلیت استخراج برنامه‌ای متن از فایل‌های PDF را از طریق پایتون فراهم می‌کند. بازیابی داده ها از یک فایل PDF کار آسانی نیست زیرا نحوه ذخیره سازی اطلاعات PDF فقط دستیابی به آن را دشوار می کند. PyPDF2 با ارائه توابع داخلی برای بازیابی اطلاعات، کار توسعه دهندگان را آسان می کند. آنها می توانند از متد ()extractText در شی صفحه برای دریافت محتوای متنی صفحه استفاده کنند.

 // extract text from a PDF
  from PyPDF2 import PdfReader
  reader = PdfReader("example.pdf")
  page = reader.pages[0]
  print(page.extract_text()) 

خواندن فایل های PDF از طریق پایتون

کتابخانه PyPDF2 قابلیت استخراج برنامه‌نویسی متن از فایل‌های PDF را از طریق پایتون فراهم می‌کند. بازیابی داده ها از یک فایل PDF کار آسانی نیست زیرا نحوه ذخیره سازی اطلاعات PDF فقط دستیابی به آن را دشوار می کند. PyPDF2 کار توسعه دهندگان را با ارائه توابع داخلی برای بازیابی اطلاعات آسان می کند. آنها می توانند از متد ()extractText در شی صفحه برای دریافت محتوای متنی صفحه استفاده کنند.

 // Reading text from a PDF
    from PyPDF2 import PdfReader
  reader = PdfReader("example.pdf")
  for page in reader.pages:
    if "/Annots" in page:
      for annot in page["/Annots"]:
        subtype = annot.get_object()["/Subtype"]
        if subtype == "/Text":
          print(annot.get_object()["/Contents"]) 

اسناد PDF را ادغام یا تقسیم کنید

آیا تا به حال در موقعیتی بوده اید که نیاز داشته باشید دو یا چند فایل PDF را در یک سند واحد ادغام کنید؟ سازمان اغلب به ادغام چندین فایل PDF در یک سند واحد نیاز دارد. کتابخانه PyPDF2 قابلیت ترکیب فایل‌های PDF را تنها با چند خط کد پایتون فراهم می‌کند. توسعه دهندگان همچنین می توانند به راحتی اسناد PDF بزرگ را با توجه به نیاز خود به موارد کوچکتر تقسیم کنند. توسعه دهندگان می توانند به راحتی قسمت خاصی از یک کتاب PDF را استخراج کنند یا آن را به چندین PDF تقسیم کنند

 // Merge PDF files 
  from PyPDF2 import PdfMerger
  merger = PdfMerger()
  for pdf in ["file1.pdf", "file2.pdf", "file3.pdf"]:
    merger.append(pdf)
  merger.write("merged-pdf.pdf")
  merger.close()

استخراج متادیتا از فایل های PDF

کتابخانه PyPDF2 دارای قابلیتی برای استخراج فراداده از اسناد PDF با استفاده از چند دستور پایتون است. شما به راحتی می توانید اطلاعاتی در مورد نویسنده، برنامه سازنده، تعداد صفحات، عنوان سند و تاریخ ایجاد و غیره به دست آورید. می توانید به راحتی ابرداده اسناد PDF را استخراج کرده و مطابق با نیاز خود از آن استفاده کنید.

 // Reading PDF Metadata 
  from PyPDF2 import PdfReader
reader = PdfReader("example.pdf")
meta = reader.metadata
print(len(reader.pages))
# All of the following could be None!
print(meta.author)
print(meta.creator)
print(meta.producer)
print(meta.subject)
print(meta.title)