Panduan ini berisi informasi tentang cara mengekstrak teks dari PDF menggunakan Python. Panduan ini berisi semua detail untuk mengatur lingkungan, daftar langkah, dan contoh kode untuk menyalin teks dari PDF dengan beberapa panggilan API menggunakan Python. Anda akan belajar membaca data dari satu atau beberapa file PDF dan menampilkan teks yang dikembalikan dari proses ini.
Langkah-langkah untuk Mengambil Teks dari PDF menggunakan Python
- Atur lingkungan untuk menggunakan Aspose.OCR for Python via .NET untuk membaca PDF
- Buat objek AsposeOcr untuk menyalin teks dari PDF
- Buat objek kelas OcrInput dan atur tipe input ke PDF
- Tambahkan file PDF ke koleksi input
- Panggil metode recognize() untuk membaca data dari koleksi PDF
- Menampilkan teks pengenalan dari koleksi yang dikembalikan
Langkah-langkah berikut merangkum proses untuk mengekstrak teks dari dokumen PDF menggunakan Python. Buat objek kelas AsposeOcr yang berisi metode untuk mengenali teks dari PDF dan banyak format lainnya. Gunakan objek kelas OcrInput untuk menyetel jenis input ke PDF dan menambahkan kumpulan input file PDF. Terakhir, panggil metode recognize() dan tampilkan teks yang dikembalikan.
Kode untuk Mengekstrak Teks dari PDF menggunakan Python
Kode ini menunjukkan pengembangan pembaca OCR PDF menggunakan Python. Kelas AsposeOcr berisi sejumlah properti dan metode untuk menyesuaikan proses pengenalan, seperti menghitung kemiringan, mengoreksi ejaan dalam teks yang terdeteksi, dan mendeteksi persegi panjang. Jika Anda menambahkan beberapa file PDF, semua teks dari PDF dikembalikan sebagai kumpulan string yang dapat ditampilkan dengan mengulang kumpulan yang dikembalikan.
Artikel ini mengajarkan kita proses mengekstrak teks dari PDF. Untuk mengekstrak teks dari gambar, lihat artikel di Ekstrak teks dari gambar menggunakan Python.
