Dokumentu parsētājs API Python

Atvērtā pirmkoda Python API dokumentu parsēšanai

Atklājiet atvērtā pirmkoda Python bibliotēkas, kas pielāgotas teksta, attēlu un citas informācijas parsēšanai un izvilkšanai no dažādiem dokumentu formātiem — PDF, DOC/DOCX, XLS/XLSX un HTML utt.

Dokumentu parsētāja API, kas paredzētas Python iekļaut

pdfminer.six Python bibliotēka, lai parsētu, lasītu un izvilktu tekstu ar formatēšanas informāciju no PDF dokumentiem.

PyMuPDF PDF parsētāja bibliotēka programmā Python, lai no PDF dokumentiem lasītu, analizētu un izvilktu tekstu, attēlus un tabulas utt.

pypdf Python PDF parsētāja bibliotēka, lai lasītu PDF failus un izvilktu tekstu, attēlus un pielikumus no PDF dokumentiem.