Questa guida contiene informazioni su come estrarre testo da PDF usando Python. Contiene tutti i dettagli per impostare l’ambiente, un elenco di passaggi e un codice di esempio per estrarre testo da PDF con alcune chiamate API usando Python. Imparerai a leggere dati da file PDF singoli o multipli e a visualizzare il testo restituito da questo processo.
Passaggi per acquisire testo da PDF utilizzando Python
- Imposta l’ambiente per utilizzare Aspose.OCR for Python via .NET per leggere un PDF
- Crea l’oggetto AsposeOcr per estrarre il testo da un PDF
- Crea l’oggetto classe OcrInput e imposta il tipo di input su PDF
- Aggiungere file PDF alla raccolta di input
- Chiamare il metodo recognize() per leggere i dati dalla raccolta PDF
- Visualizza il testo di riconoscimento dalla raccolta restituita
Questi passaggi riassumono il processo per estrarre testo da un documento PDF usando Python. Crea l’oggetto classe AsposeOcr che contiene metodi per riconoscere testo da PDF e molti altri formati. Usa l’oggetto classe OcrInput per impostare il tipo di input su PDF e aggiungere la raccolta di input di file PDF. Infine, chiama il metodo recognize() e visualizza il testo restituito.
Codice per estrarre il testo da un PDF usando Python
Questo codice dimostra lo sviluppo di un lettore PDF OCR tramite Python. La classe AsposeOcr contiene una serie di proprietà e metodi per personalizzare il processo di riconoscimento, ad esempio puoi calcolare l’inclinazione, correggere l’ortografia nel testo rilevato e rilevare il rettangolo. Se aggiungi più file PDF, tutto il testo dai PDF viene restituito come una raccolta di stringhe che possono essere visualizzate iterando la raccolta restituita.
Questo articolo ci ha insegnato il processo per estrarre testo da PDF. Per estrarre testo da immagini, fare riferimento all’articolo su Estrarre il testo dall’immagine utilizzando Python.
