PDFMiner

PDFMiner funziona prima di prendere il contenuto di un file PDF e convertirlo in un formato più malleabile come HTML.
Da lì, testo e dati vengono estratti e analizzati, e in base alle regole predefinite separati e presentati all'utente o inviati ad altre più potenti strumenti di analisi dei dati.
Se l'analisi del testo non è quello che si intende fare, si può facilmente configurare PDFMiner per estrarre semplicemente o semplicemente convertire i dati in formato PDF pure.
Le sue funzioni possono funzionare indipendentemente l'uno dall'altro e consentire un più ampio spettro di utilizzo grazie ad esso

Caratteristiche .

• 100% Python codice, nessun C o C ++
• parse PDF
• Analizzare i PDF
• Convertire file PDF in altri formati
• ToC estrattore
• Ottieni solo tag contenuto
• Il supporto per un gran numero di caratteristiche testo PDF
• Il supporto per un gran numero di tipi di font all'interno di file PDF
• la crittografia di base (RC4) sostegno

Cosa c'è di nuovo in questa versione:

• metodo PDFDocument.initialize () viene rimosso e non è più necessario . Una password viene dato come argomento di un costruttore PDFDocument.

Cosa c'è di nuovo nella versione 20110515:.

• modifiche API
• classe LTPolygon è stato rinominato come LTCurve.

Cosa c'è di nuovo nella versione 20110227:.

• Correzioni di bug e miglioramenti di analisi del layout

Cosa c'è di nuovo nella versione 20101226:.

• Un paio di bugfix e miglioramenti minori

Cosa c'è di nuovo nella versione 20101017:.

• Un paio di bugfix e miglioramenti minori

Cosa c'è di nuovo nella versione 20100424:.

• Bugfix e piccoli miglioramenti su estrazione TOC

Requisiti

• Python 2.4 fino a 3

Limitazioni .

• PDFMiner può essere 20 volte più lento / C ++ C - software basato