ओपन सोर्स पायथन पीडीएफ पार्सर लाइब्रेरी
पीडीएफ को पार्स करने और फ़ॉर्मेटिंग जानकारी के साथ टेक्स्ट निकालने के लिए मुफ़्त और ओपन-सोर्स पायथन लाइब्रेरी।
पीडीएफमिनर.सिक्स क्या है?
Pdfminer.six पीडीएफ दस्तावेज़ों से डेटा निकालने के लिए एक खुला स्रोत पायथन लाइब्रेरी और टूलसेट है। आप पीडीएफ दस्तावेजों को पार्स कर सकते हैं और डेटा विश्लेषण के लिए पीडीएफ से टेक्स्ट, सामग्री तालिका और टैग की गई सामग्री आदि निकाल सकते हैं।
यहां इसकी पार्सिंग सुविधाओं की एक संक्षिप्त सूची दी गई है:
- पाठ निकालना: पीडीएफ दस्तावेज़ों से पाठ्य सामग्री निकालें जिसमें लेआउट और फ़ॉर्मेटिंग जानकारी जैसे पाठ का रंग, फ़ॉन्ट और स्थान आदि शामिल हैं।
- फ़ॉन्ट जानकारी निकालना: पीडीएफ दस्तावेज़ों में उपयोग किए गए फ़ॉन्ट के बारे में जानकारी निकालें।
पीडीएफमिनर.सिक्स के साथ शुरुआत करना
pypdf को स्थापित करने और उपयोग करने के लिए आपको Python संस्करण 3.6.0 या उच्चतर की आवश्यकता है। तो, पहले Python इंस्टॉल करें और फिर
![Close](https://pip.pypa.io/">पिप</a> और <a href="https://package.python.org/en/latest/guides/installing-using-pip-and-virtual-environments/">आभासी वातावरण</ ए>.</p>
<div id="code" class="codeblock">
<h3>लिनक्स</h3>
<pre>
<code class="html">
python3 -m venv venv
source venv/bin/activate
pip install pdfminer.six
</code>
</pre>
</div>
<div id="code" class="codeblock">
<h3>मैक ओएस</h3>
<pre>
<code class="html">
python -m venv venv
source venv/bin/activate
pip install pdfminer.six
</code>
</pre>
</div>
<div id="code" class="codeblock">
<h3>खिड़कियाँ</h3>
<pre>
<code class="html">
python3 -m venv venv
venv\Scripts\activate.bat
pip install pdfminer.six
</code>
</pre>
</div>
<h2 class="h2title">पीडीएफ दस्तावेज़ से पाठ निकालें</h2>
<p>आप <strong>extract_text</strong> फ़ंक्शन का उपयोग करके पीडीएफ दस्तावेज़ से टेक्स्ट निकालने के लिए पायथन में pdfminer.six लाइब्रेरी का उपयोग कर सकते हैं जैसा कि नीचे दिए गए कोड स्निपेट में दिखाया गया है:</p>
<script src="https://gist.github.com/documentprocessing/9077db188c7dc5d239c086b2fd02dbf1.js?file=extract-text-from-pdf-document-in-python-using-pdfminersix-library.py"></script>
<p>निम्नलिखित स्क्रीनशॉट पीडीएफ दस्तावेज़ से निकाला गया पाठ दिखाता है:</p>
<p><img src="/../images/output-extract-text-from-pdf-document-in-python-using-pdfminersix-library.png" style="max-width: 100%; height: auto;" alt=""></p>
<h2 class="h2title">पीडीएफ दस्तावेज़ से फ़ॉन्ट जानकारी निकालें</h2>
<p>हम पीडीएफ दस्तावेज़ में प्रत्येक पृष्ठ के लेआउट तत्वों के माध्यम से पुनरावृत्ति करके पीडीएफ दस्तावेज़ में उपयोग किए गए फ़ॉन्ट जैसे फ़ॉन्ट नाम और फ़ॉन्ट आकार के बारे में जानकारी भी निकाल सकते हैं। उदाहरण के लिए, नीचे दिए गए कोड स्निपेट की जाँच करें:</p>
<script src="https://gist.github.com/documentprocessing/9077db188c7dc5d239c086b2fd02dbf1.js?file=extract-font-information-from-pdf-document-in-python-using-pdfminersix-library.py"></script>
<p>निम्नलिखित स्क्रीनशॉट पीडीएफ दस्तावेज़ से निकाली गई फ़ॉन्ट जानकारी दिखाता है:</p>
<p><img src="/../images/output-extract-font-information-from-pdf-document-in-python-using-pdfminersix-library.png" style="max-width: 100%; height: auto;" alt=""></p>
<h2 class="h2title">निष्कर्ष</h2>
<p>निष्कर्षतः, pdfminer.six में पीडीएफ दस्तावेजों से पाठ और अन्य जानकारी निकालने की क्षमता है लेकिन इसमें पीडीएफ से छवियों और तालिकाओं को निकालने जैसी कार्यक्षमताओं का अभाव है।</p>
<p>यह ध्यान रखना महत्वपूर्ण है कि pdfminer.six लाइब्रेरी पीडीएफ पृष्ठों को छवियों के रूप में निकालने का समर्थन करती है लेकिन यह पीडीएफ दस्तावेज़ों में एम्बेडेड छवियों को निकालने से अलग है जो pdfminer.six द्वारा समर्थित नहीं है। हालाँकि, डेवलपर्स अभी भी अपनी डेटा विश्लेषण आवश्यकताओं के लिए पाठ निकालने के लिए पायथन में पीडीएफ को पार्स करने के लिए इस पर भरोसा कर सकते हैं।</p>
<h2 class="h2title">इसी तरह के उत्पादों</h2>
<div class="products-list">
<ul>
<li><a href="https://products.documentprocessing.com/hi/parser/python/pymupdf/" title="PyMuPDF पायथन एपीआई | उन्नत पीडीएफ पार्सिंग और निष्कर्षण">PyMuPDF पायथन एपीआई | उन्नत पीडीएफ पार्सिंग और निष्कर्षण</a></li>
<li><a href="https://products.documentprocessing.com/hi/parser/python/pypdf/" title="पीईपीडीएफ | कुशल पीडीएफ पार्सिंग के लिए पायथन लाइब्रेरी">पीईपीडीएफ | कुशल पीडीएफ पार्सिंग के लिए पायथन लाइब्रेरी</a></li>
</ul>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
<script src="/js/highlight.pack.js"></script>
<script>hljs.initHighlightingOnLoad();</script>
<script>(function(i, s, o, g, r, a, m) {i[){kind=small}