PDF (Portable Document Format) は、ドキュメントの表示と交換に使用される最も重要で広く使用されているファイル形式の 1 つです。 Python 開発者として、テキスト分析に Python を使用して PDF ドキュメントからテキストを抽出し、別の形式でエクスポートしたいというシナリオが数多くあります。この投稿では、GroupDocs.Conversion Cloud SDK for Python を使用して PDF ドキュメントからテキストを正確に抽出する方法を説明します。
GroupDocs.Conversion Cloud は、サードパーティ アプリケーションに依存せずにドキュメントと画像を変換する、プラットフォームに依存しない REST API ソリューションです。 50 種類以上のドキュメントをある形式から別の形式に変換します。 Python を含むすべての一般的なプログラミング言語用の SDK が提供されているため、開発者は基盤となる REST API 呼び出しを気にすることなく、アプリケーションで API を直接使用できます。
コードを開始しましょう:
GroupDocs.Conversion クラウド パッケージをインストールする まず最初に、次のコマンドで pypi から groupdocs-conversion-cloud パッケージをインストールします。
>pip インストール groupdocs-conversion-cloud
Python PDF テキスト抽出の例 PDF ドキュメントからテキストを抽出するには、次の手順に従います。
groupdocs.cloud に無料でサインアップ to get your AppSID and AppKey Python モジュールを作成し、次のコードをコピーしてその中に貼り付けます。 PDF ドキュメントのテキストを抽出するためにデフォルトのオプションを使用しました。テキスト形式の変換オプションを使用すると、特定のページのテキストを抽出することもできます。 # インポートモジュール import groupdocs_conversion_cloud # https://dashboard.