21. diel - Práca s PDF súbormi v Pythone – Obrázky a tabuľky
V minulej lekcii, Práca s PDF súbormi v Pythone - Čítanie a extrakcia dát , sme si ukázali ako čítať a extrahovať
dáta z PDF súborov pomocou knižníc PyMuPDF
a
camelot
.
V nasledujúcom tutoriále práce s PDF súbormi v Pythone
budeme pokračovať v čítaní a extrakcii dát z PDF súboru. Okrem textu,
ktorý už načítať vieme, chceme aj informácie o obrázkoch a tabuľkách.
Na to opäť využijeme metódu get_text()
, tentoraz však s
argumentom json
.
Využitie JSON na analýzu PDF
Formát JSON nám poskytne detailnú štruktúru súboru. Poďme sa teda pozrieť na štruktúru štvrtej strany nášho modelového dokumentu. Postupujeme nasledovne:
...koniec náhľadu článku...
Pokračuj ďalej
Minul si až sem a to je super! Veríme, že ti prvé lekcie ukázali niečo nového a užitočného.
Chceš v kurze pokračovať? Prejdi do prémiové sekcie.
Kúpiť tento kurz
Pred kúpou tohto článku je potrebné kúpiť predchádzajúci diel
Obsah článku spadá pod licenciu Premium, kúpou článku súhlasíš so zmluvnými podmienkami.
- Neobmedzený a trvalý prístup k jednotlivým lekciím.
- Kvalitné znalosti v oblasti IT.
- Zručnosti, ktoré ti pomôžu získať vysnívanú a dobre platenú prácu.
Popis článku
Požadovaný článok má nasledujúci obsah:
V nasledujúcom tutoriále práce s PDF súbormi v Pythone dokončíme našu čítačku PDF súborov. Použijeme knižnice PyMuPDF a camelot.
Kredity získaš, keď podporíš našu sieť. To môžeš urobiť buď zaslaním symbolickej sumy na podporu prevádzky alebo pridaním obsahu na sieť.