Python kullanarak PDF’den Veri Çıkarma
Kullanıcı tanımlı bir şablon kullanarak PDF veya Word belgelerinizden veri çıkarmanız gerekebilir. Herhangi bir belgeyi ayrıştırabilir ve alanları ve tablo verilerini programlı olarak bulutta ayıklayabilirsiniz. Bu makale, Python’da bir REST API kullanarak PDF belgelerinden belirli verilerin nasıl çıkarılacağını açıklayacaktır.
Bu yazıda aşağıdaki konular ele alınacaktır:
- Belge Ayrıştırıcı REST API ve Python SDK
- Python kullanarak Şablon Nesnesine Göre Veri Çıkarma
- Python kullanarak Şablon Dosyasına Göre Verileri Çıkarın
Belge Ayrıştırıcı REST API ve Python SDK
Bir PDF belgesini ayrıştırmak ve bir şablona dayalı verileri ayıklamak için GroupDocs.Parser Cloud’un Python SDK API’sini kullanacağım. PDF belgeleri, Microsoft Office belgeleri ve OpenDocument dosya biçimleri gibi tüm popüler belge türlerinden verileri ayrıştırmanıza olanak tanır. SDK’yı kullanarak bir şablonla metin, resim çıkarabilir ve verileri ayrıştırabilirsiniz. Ayrıca Cloud API için belge ayrıştırıcı aile üyeleri olarak .NET, Java, PHP, Ruby ve Node.js SDK’ları sağlar.
GroupDocs.Parser Cloud’u Python projenize pip ile (python için paket yükleyici) pdf dosyasından bilgi çıkarmak için konsolda aşağıdaki komutu kullanarak yükleyebilirsiniz:
pip install groupdocs_parser_cloud
Lütfen Müşteri Kimliğinizi ve Müşteri Sırrınızı kontrol panelinden alın ve kodu aşağıda gösterildiği gibi ekleyin:
client_id = "da0c487d-c1c0-45ae-b7bf-43eaf53c5ad5"
client_secret = "479db2b01dcb93a3d4d20efb16dea971"
configuration = groupdocs_parser_cloud.Configuration(client_id, client_secret)
configuration.api_base_url = "https://api.groupdocs.cloud"
my_storage = ""
Python kullanarak Şablon Nesnesine Göre Veri Çıkarma
Aşağıda belirtilen basit adımları izleyerek bir şablon kullanarak PDF belgelerinden veri çıkarabilirsiniz:
- PDF dosyasını Buluta Yükle
- Python Kullanarak Şablon Tabanlı Veri Çıkarma
Belgeyi Yükle
Öncelikle, aşağıda verilen kod örneğini kullanarak PDF belgesini Buluta yükleyin:
# API örneğini oluşturun
file_api = groupdocs_parser_cloud.FileApi.from_config(configuration)
# örnek dosyaları yükle
request = groupdocs_parser_cloud.UploadFileRequest("companies.pdf", "C:\\Files\\companies.pdf", my_storage)
response = file_api.upload_file(request)
Sonuç olarak, yüklenen PDF dosyası, bulut üzerindeki kontrol panelinizin dosyalar bölümünde mevcut olacaktır.
Python Kullanarak Şablon Tabanlı Veri Çıkarma
Şablona dayalı olarak PDF dosyasından programlı olarak veri çıkarmak için lütfen aşağıda belirtilen adımları izleyin.
- Bir ParseApi örneği oluşturun
- ParseOptions’ı tanımlayın ve PDF dosyasının yolunu ayarlayın
- Bir nesne olarak Şablon oluştur
- Ayrıştırma İsteği Oluştur
- ParseApi.parse() yöntemini çağırarak sonuçları alın
Aşağıdaki kod örneği, bir REST API kullanarak bir PDF belgesinden tanımlanan şablona göre verilerin nasıl çıkarılacağını gösterir.
# api başlatma
parseApi = groupdocs_parser_cloud.ParseApi.from_config(configuration)
# ayrıştırma seçeneklerini tanımlayın
options = groupdocs_parser_cloud.ParseOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "companies.pdf"
# Şablon Nesnesini Al
options.template = GetTemplate()
# ayrıştırma isteği
request = groupdocs_parser_cloud.ParseRequest(options)
result = parseApi.parse(request)
# Sonuçları göster
for data in result.fields_data:
if data.page_area.page_text_area is not None:
print("Field name: " + data.name + ". Text :" + data.page_area.page_text_area.text)
if data.page_area.page_table_area is not None:
print("Table name: " + data.name)
for cell in data.page_area.page_table_area.page_table_area_cells:
print("Table cell. Row " + str(cell.row_index) + " column " + str(cell.column_index) + ". Text: " + cell.page_area.page_text_area.text);
Lütfen PDF belgesine göre oluşturulan şablonu aşağıda bulabilirsiniz.
def GetTemplate():
field1 = groupdocs_parser_cloud.Field()
field1.field_name = "Address"
fieldPosition1 = groupdocs_parser_cloud.FieldPosition()
fieldPosition1.field_position_type = "Regex"
fieldPosition1.regex = "Company address:"
field1.field_position = fieldPosition1
field2 = groupdocs_parser_cloud.Field()
field2.field_name = "CompanyAddress"
fieldPosition2 = groupdocs_parser_cloud.FieldPosition()
fieldPosition2.field_position_type = "Linked"
fieldPosition2.linked_field_name = "ADDRESS"
fieldPosition2.is_right_linked = True
size2 = groupdocs_parser_cloud.Size()
size2.width = 100
size2.height = 10
fieldPosition2.search_area = size2
fieldPosition2.auto_scale = True
field2.field_position = fieldPosition2
field3 = groupdocs_parser_cloud.Field()
field3.field_name = "Company"
fieldPosition3 = groupdocs_parser_cloud.FieldPosition()
fieldPosition3.field_position_type = "Regex"
fieldPosition3.regex = "Company name:"
field3.field_position = fieldPosition3
field4 = groupdocs_parser_cloud.Field()
field4.field_name = "CompanyName"
fieldPosition4 = groupdocs_parser_cloud.FieldPosition()
fieldPosition4.field_position_type = "Linked"
fieldPosition4.linked_field_name = "Company"
fieldPosition4.is_right_linked = True
size4 = groupdocs_parser_cloud.Size()
size4.width = 100
size4.height = 10
fieldPosition4.search_area = size4
fieldPosition4.auto_scale = True
field4.field_position = fieldPosition4
table = groupdocs_parser_cloud.Table()
table.table_name = "Companies"
detectorparams = groupdocs_parser_cloud.DetectorParameters()
rect = groupdocs_parser_cloud.Rectangle()
size = groupdocs_parser_cloud.Size()
size.height = 60
size.width = 480
position = groupdocs_parser_cloud.Point()
position.x = 77
position.y = 279
rect.size = size
rect.position = position
detectorparams.rectangle = rect
table.detector_parameters = detectorparams
fields = [field1, field2, field3, field4]
tables = [table]
template = groupdocs_parser_cloud.Template()
template.fields = fields
template.tables = tables
return template
Şablon kullanarak bir belgeyi ayrıştırarak Çıkarılan Veriler
Python kullanarak Şablon Dosyasına Göre Verileri Çıkarın
Programlı olarak JSON tabanlı bir şablon dosyası sağlayarak da PDF belgesinden veri çıkarabilirsiniz. Bir şablon dosyası sağlayarak belgeyi ayrıştırmak için lütfen aşağıda belirtilen adımları izleyin.
- Bir ParseApi örneği oluşturun
- Ayrıştırma Seçeneklerini Tanımla
- PDF dosyasının yolunu ayarlayın
- Şablon dosyasının yolunu ayarlayın
- Ayrıştırma İsteği Oluştur
- ParseApi.parse() yöntemini çağırarak sonuçları alın
Aşağıdaki kod örneği, bir REST API kullanılarak JSON dosyasında sağlanan şablona göre bir PDF belgesinin nasıl ayrıştırılacağını ve verilerin nasıl çıkarılacağını gösterir. Dosyaları yüklemek için lütfen daha önce belirtilen adımları izleyin.
# api başlatma
parseApi = groupdocs_parser_cloud.ParseApi.from_config(configuration)
# ayrıştırma seçeneklerini tanımlayın
options = groupdocs_parser_cloud.ParseOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "companies.pdf"
options.template_path = "template.json"
# ayrıştırma isteği
request = groupdocs_parser_cloud.ParseRequest(options)
result = parseApi.parse(request)
# sonuçları göster
for data in result.fields_data:
if data.page_area.page_text_area is not None:
print("Field name: " + data.name + ". Text :" + data.page_area.page_text_area.text)
if data.page_area.page_table_area is not None:
print("Table name: " + data.name)
for cell in data.page_area.page_table_area.page_table_area_cells:
print("Table cell. Row " + str(cell.row_index) + " column " + str(cell.column_index) + ". Text: " + cell.page_area.page_text_area.text);
Lütfen JSON biçimindeki şablonu aşağıda bulabilirsiniz.
{
"Fields": [
{
"FieldName": "Address",
"FieldPosition": {
"FieldPositionType": "Regex",
"Regex": "Companyaddress:"
}
},
{
"FieldName": "CompanyAddress",
"FieldPosition": {
"FieldPositionType": "Linked",
"LinkedFieldName": "ADDRESS",
"IsRightLinked": true,
"SearchArea": {
"Height": 10.0,
"Width": 100.0
},
"AutoScale": true
}
},
{
"FieldName": "Company",
"FieldPosition": {
"FieldPositionType": "Regex",
"Regex": "Companyname:"
}
},
{
"FieldName": "CompanyName",
"FieldPosition": {
"FieldPositionType": "Linked",
"LinkedFieldName": "Company",
"IsRightLinked": true,
"SearchArea": {
"Height": 10.0,
"Width": 100.0
},
"AutoScale": true
}
}
],
"Tables": [
{
"TableName": "Companies",
"DetectorParameters": {
"Rectangle": {
"Position": {
"X": 77.0,
"Y": 279.0
},
"Size": {
"Height": 41.0,
"Width": 480.0
}
}
}
}
]
}
PDF Dosyasını Çevrimiçi Çıkarın
PDF çıkarıcı çevrimiçi ücretsiz nasıl kullanılır? Lütfen aşağıdaki ücretsiz çevrimiçi PDF Ayrıştırma aracını ve ücretsiz pdf sayfa çıkarıcıyı deneyin. Bu çevrimiçi pdf çıkarıcı ve pdf çevrimiçi ücretsiz araç, yukarıdaki API kullanılarak geliştirilmiştir. https://products.groupdocs.app/parser/pdf
Çözüm
Bu makalede, bulutta sağlanan şablona göre PDF belgelerinden belirli verileri nasıl çıkaracağınızı öğrendiniz. Ayrıca bir şablon nesnesi oluşturmayı ve JSON biçiminde bir şablon sağlamayı da öğrendiniz. Bu makale ayrıca çevrimiçi pdf veri ayıklamak için bir PDF dosyasının programlı olarak buluta nasıl yükleneceğini açıkladı. Belgeleri kullanarak GroupDocs.Parser Cloud API hakkında daha fazla bilgi edinebilirsiniz. Ayrıca, API’lerimizi doğrudan tarayıcı aracılığıyla görselleştirmenize ve bunlarla etkileşimde bulunmanıza olanak tanıyan bir API Referansı bölümü de sağlıyoruz.
Bir soru sor
PDF’den veri ayıklama ve çevrimiçi pdf veri çıkarma hakkında herhangi bir sorunuz varsa, lütfen bize Ücretsiz Destek Forumu adresinden sorabilirsiniz.