PDFMiner

PDFMiner functioneaza prin luarea conținutul unui fișier PDF și conversia la un format mai maleabil ca HTML.
De acolo, text și date sunt extrase și analizate, precum și pe baza normelor predefinite separate și prezentate utilizatorului sau trimise la alte instrumente mai puternice de analiză a datelor.
Dacă analiza de text nu este ceea ce intenționați să faceți, puteți configura cu ușurință PDFMiner a extrage pur și simplu sau doar transforma datele PDF, de asemenea.
Funcțiile sale pot funcționa separat una de alta și să permită un spectru larg de utilizare, datorită să-l

Caracteristici :.

• 100% Python cod, nu C sau C ++
• parse PDF-uri
• Analizează PDF-uri
• Convert PDF-uri în alte formate
• ToC extractor
• Obțineți numai tag-ul de conținut
• Suport pentru un număr mare de caracteristici de text PDF
• Suport pentru un număr mare de tipuri de fonturi în interiorul fișierelor PDF
• de criptare de bază (RC4) sprijin

Ce este nou în această versiune:

• PDFDocument.initialize () metoda este eliminat și nu mai este nevoie . O parolă este dat ca un argument de un constructor PDFDocument.

Ce este nou în versiunea 20110515:.

• modificări API
• class LTPolygon a fost redenumit ca LTCurve.

Ce este nou în versiunea 20110227:.

• bug fixat și îmbunătățiri de analiză aspect

Ce este nou în versiunea 20101226:.

• O pereche de bugfixes și îmbunătățiri minore

Ce este nou în versiunea 20101017:.

• Un cuplu de bugfix și o îmbunătățire minoră

Ce este nou în versiunea 20100424:.

• Remedieri de erori si imbunatatiri mici pe extragere TOC

Cerințe :

• Python 2.4 până la 3

Limitări :.

• PDFMiner poate fi de 20 de ori mai lent decât C / C ++ - bazat pe software