python处理pdf实例_Python实现读取PDF文件案例
最近有一个本地客户需求是读取PDF文件，然后做自动化处理。这其实是一种典型的RPA自动化需求，简单而言就是模拟人工来操作文件，网页，客户端系统等，只要操作规则定义清楚，就可以实施这种RPA应用，而如果这种操作较为频繁（大量重复），则这种RPA自动化应用实施的ROI（投资回报率）会非常显著。
事实上利用RPA软件可以较为容易地实现这类操作，例如AutomationAnywhere，参考此前我写的一篇文章《RPA软件之AutomationAnywhere研究》，在AA里就有这类操作PDF文件的标准控件和应用场景：
（二十八）PDFIntegration（PDF文件操作）
PDF To Image
Extract From Fields
Extract Text
Merge Documents
Split Document
Encrypt Document
Decrypt Document
而现在这个本地客户需求相对简单，并且在未来有进一步和其他应用集成的可能性，也就是开发一个端到端的自动化应用，因此用AA来实现这个功能就有点大材小用了，而用Python写一个自开发的RPA应用就可以支持这个功能，而在Python来操作PDF文件有多种类库，分别研究了一下，发现对于英文PDF文件支持最好的是pyPDF2类库，而对于多语言PDF文件支持最好的则是本文这个案例种用到的pdfminer类库，这两个类库的使用方法其实都很简单。
不说废话，直接上代码：
准备了一个简单的PDF文件做测试：
执行程序，结果如下：
当然了，不管是pyPDF2类库（只支持英文PDF文件），还是pdfminer类库（支持多语言PDF文件），都有一个最大的局限性，那就是只能用来读取电脑生成的PDF文件的内容，而不能用来处理扫描件PDF，对于手写字也不能支持，要读取这类PDF扫描件就要用到另外一种技术，那就是——OCR。在后面我会专门写一篇文章来介绍一个如何利用tensorflow来实现OCR读取PDF扫描件的案例。
RPA应用实施有两个阶段，第一个阶段是传统RPA（Tranditional RPA），而第二阶段是认知RPA（Cognitive RPA），认知RPA比传统RPA更高级的一点就是引入了AI认知服务，使原来无法操作的非结构化数据可以被操作，例如OCR，人脸识别，声音识别等等。传统RPA则是基于对结构化数据的操作，包括excel文件，网页数据等。当然了，对于电脑生成的PDF文件的读取和自动化操作，还可以算作是传统RPA实施的领域，而对于PDF扫描件的读取和自动化操作，则毫无疑问地可以归于认知RPA的范围了。
python处理pdf实例_Python实现读取PDF文件案例相关推荐
- python读取yaml文件_python 怎么读取yaml文件
yaml简介 1.yaml [ˈjæməl]: Yet Another Markup Language:另一种标记语言.yaml 是专门用来写配置文件的语言,非常简洁和强大,之前用ini也能写配置文件 ...
- python处理pdf实例_python 使用pdfminer3k 读取PDF文档的例子
1.安装 pdfminer3k 通过pip安装: pip install pdfminer3k 下载安装:在网页 https://pypi.org/project/pdfminer3k/1.3.1/# ...
- python处理pdf实例_Python程序图片和pdf上文字识别实例
实例一:先减少背景杂音,再做图片文字识别 为了提高识别率,先用opencv-python对扫描的图片做预处理(减少背景杂音),然后调用pytesseract识别图片上的文字.处理方式就是: 学习Pyt ...
- python怎么读取pdf为文本_python怎么读取pdf文本内容
python读取pdf文本内容的方法:首先打开相应的python脚本文件:然后使用PDFMiner工具来读取pdf文本内容:最后通过print输出读取后的内容即可. python读取pdf文本内容 p ...
- python处理pdf实例_python实现pdf转word的例子
pdf转word的效果一般都很差,下面使用pdfminer和docx框架,前者用来读取pdf的文本内容,后者用来写到word文件中.仅作入门级参考. 例子如下: #!/usr/bin/env pyth ...
- python处理pdf实例_python使用pdfminer解析pdf文件的方法示例
最近要做个从 pdf 文件中抽取文本内容的工具,大概查了一下 python 里可以使用 pdfminer 来实现.下面就看看怎样使用吧. PDFMiner是一个可以从PDF文档中提取信息的工具.与其他 ...
- python pdf-有没有好一点的读取 PDF 的 Python 包？
专注Python.AI.大数据 @七步编程 PDF(Portable Document Format),中文名称便携文档格式是我们经常会接触到的一种文件格式,文献.文档...很多都是PDF格式.它以 ...
- php判断pdf页码,PHP_PHP简单读取PDF页数的实现方法，本文实例讲述了PHP简单读取PDF - phpStudy...
PHP简单读取PDF页数的实现方法 本文实例讲述了PHP简单读取PDF页数的实现方法.分享给大家供大家参考,具体如下: 还是老外比较厚道, 在老外的网站找到了这样一个方法, 我写成了一个函数, 再将函 ...
- python读取pdf并写入excel_Python读取pdf表格写入excel代码方法
本篇文章小编给大家分享一下Python读取pdf表格写入excel代码方法,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. 避免CV大法 pdf 文件的 ...
最新文章
- 你有哪些deep learning（rnn、cnn）调参的经验？
- 08_sklearn数据集，数据集划分train_test_split，sklearn.datasets及其api，sklearn分类数据集，sklearn回归数据集，转换器与预估器
- 腾讯地图api如何根据地址获取经纬度
- java comparator相等_详解Java中Comparable和Comparator接口的区别
- FAQ系列 | 用MySQL实现发号器
- iconfont-阿里巴巴矢量图标库使用教程
- Blender 插件开发 添加快捷键
- 部署描述符[D:\apache-tomcat-9.0.38\conf\Catalina\localhost\books.xml]时出错
- 红色警戒2修改器原理百科（八）
- 安装Ceres Solver
- 有关rand()，srand()产生随机数学习总结
- linux mint19内核,aria2的Linux Mint 19安装过程完整总结
- 在keil中使用bdata型可位寻址全局变量
- PTA.奇数值结点链表(C语言链表应用)
- python扇贝课程_“学点Python吧，别再这么累了。”
- 开关量无线传输-1主4从
- 2018ChinaJoy万代南梦宫展台速刷攻略
- Pixi官方文档译文（2）
- 非项目活动的时间怎么跟踪？
- 拒绝破解,用10大免费软件来代替盗版