PDFMiner

PDFMiner funguje tak, že nejprve vezme obsah souboru PDF a jeho převedením do více tvárné formátu, jako je HTML.
Odtamtud, textu a dat se extrahuje a analyzovány, a na základě definovaných pravidel oddělených a prezentovány uživateli nebo zaslané jiným silnější nástrojů pro analýzu dat.
Pokud analýza textu není to, co máte v úmyslu udělat, můžete snadno nastavit PDFMiner jednoduše vyjmout nebo jen převést data ve formátu PDF stejně.
Jeho funkce mohou pracovat odděleně od sebe navzájem a umožnit širší využívání rádiového spektra díky němu

Vlastnosti :.

• 100% Python kód, žádný C nebo C ++
• Parse PDF
• Analyzovat PDF
• Převést PDF do jiných formátů
• ToC extraktor
• Získat pouze označené obsah
• Podpora pro velké množství funkcí textu PDF
• Podpora pro velký počet typů písma uvnitř formátu PDF
• Základní šifrování (RC4) podpora

Co je nového v této verzi:

• metoda PDFDocument.initialize () je odstraněna a již není potřeba , Heslo je, stejně jako argument na PDFDocument konstruktoru.

Co je nového ve verzi 20110515:.

• změny API
• LTPolygon třída byla přejmenována jako LTCurve.

Co je nového ve verzi 20110227:.

• Opravy chyb a vylepšení analýzy rozložení

Co je nového ve verzi 20101226:.

• Pár oprav a drobných vylepšení

Co je nového ve verzi 20101017:.

• Pár oprav a menší vylepšení

Co je nového ve verzi 20100424:.

• Opravy chyb a drobné vylepšení na těžbu TOC

Požadavky na :

• Python 2.4 až 3

Omezení :.

• PDFMiner může být 20 krát pomalejší než C / C ++ - založený software