Βιβλιοθήκη Python μετατροπής PDF σε HTML/XML

Δωρεάν και ανοιχτού κώδικα βιβλιοθήκη Python για μετατροπή εγγράφων PDF σε HTML & XML.

Τι είναι το pdfminer.six;

Το pdfminer.six είναι μια δωρεάν και ανοιχτού κώδικα βιβλιοθήκη Python που μπορεί να χρησιμοποιηθεί για τη μετατροπή εγγράφων PDF σε άλλες μορφές.

Ακολουθεί μια σύντομη λίστα με τα κύρια χαρακτηριστικά μετατροπής PDF:

  • Μετατροπή PDF σε HTML: Μετατρέψτε έγγραφα PDF σε μορφή HTML, διατηρώντας παράλληλα τη δομή και τη διάταξη του εγγράφου.
  • Μετατροπή PDF σε XML: Μετατρέψτε αρχεία PDF σε μορφή XML, καταγράφοντας όλες τις λεπτομέρειες, συμπεριλαμβανομένων των γραμματοσειρών και άλλων στοιχείων.
GitHub

Στατιστικά GitHub

Ονομα:
Γλώσσα:
Αστέρια:
Πιρούνια:
Αδεια:
Το αποθετήριο ενημερώθηκε τελευταία φορά στις

Ξεκινώντας με το pdfminer.six

Χρειάζεστε Python έκδοση 3.6.0 ή νεότερη για να εγκαταστήσετε και να χρησιμοποιήσετε το pypdf. Επομένως, πρώτα εγκαταστήστε το Python και, στη συνέχεια, χρησιμοποιήστε τις παρακάτω εντολές για να εγκαταστήσετε το pypdf στον υπολογιστή σας χρησιμοποιώντας pip και εικονικό περιβάλλον.

Μετατροπή PDF σε HTML

Μπορούμε να μετατρέψουμε ένα έγγραφο PDF σε μορφή HTML χρησιμοποιώντας τη λειτουργία extract_text_to_fp της βιβλιοθήκης pdfminer.six (με τον τύπο εξόδου ορισμένο σε html) που παρέχεται από τη βιβλιοθήκη, όπως φαίνεται στο παρακάτω απόσπασμα κώδικα:

Παραγωγή

Το ακόλουθο στιγμιότυπο οθόνης δείχνει το αρχείο HTML που δημιουργήθηκε με τη μετατροπή του εγγράφου PDF:

Μετατροπή PDF σε XML

Μπορούμε επίσης να μετατρέψουμε ένα έγγραφο PDF σε μορφή XML χρησιμοποιώντας την ίδια λειτουργία extract_text_to_fp (αλλά με τον τύπο εξόδου ορισμένο σε xml) που παρέχεται από τη βιβλιοθήκη, όπως φαίνεται στο παρακάτω απόσπασμα κώδικα:

Παραγωγή

Το ακόλουθο στιγμιότυπο οθόνης δείχνει το περιεχόμενο XML που έχει μετατραπεί από το έγγραφο PDF:

Σύναψη

Γενικά, το pdfminer.six υποστηρίζει τη μετατροπή εγγράφων PDF σε μορφή XML χωρίς προβλήματα, αλλά όταν προσπαθεί να μετατρέψει ένα PDF σε HTML, καταφέρνει να μεταφέρει το περιεχόμενο κειμένου, αλλά συχνά διαταράσσει τη συνολική διάταξη.

Παρόμοια Προϊόντα

 Ελληνικά